Escolar Documentos
Profissional Documentos
Cultura Documentos
Rio de Janeiro
Dezembro de 2017
Garcia, Breno Tostes de Gomes
Análise da Eficiência da Geração de Resíduos Sólidos
no Âmbito da Gestão Portuária: Um Estudo dos Portos
Marítimos Brasileiros / Breno Tostes de Gomes Garcia –
Rio de Janeiro: UFRJ/COPPE, 2017.
XIII, 114 p.: il.; 29,7 cm.
Orientadores: Marcelino Aurélio Vieira da Silva
Marcos Aurélio Vasconcelos de Freitas
Dissertação (Mestrado) – UFRJ/ COPPE/ Programa de
Engenharia de Transportes, 2017
Referências Bibliográficas: p. 99-114.
1. Gestão das Operações Portuárias. 2. Gestão de
Resíduos Sólidos. 3. Análise Envoltória de Dados (DEA).
I. Silva, Marcelino Aurélio Vieira da et al. II. Universidade
Federal do Rio de Janeiro, COPPE, Programa de
Engenharia de Transportes. III. Título.
iii
AGRADECIMENTOS
Em primeiro lugar, gostaria de agradecer a Deus por ter me dado forças e tranquilidade
para conseguir superar os diversos obstáculos – e não foram poucos – que surgiram ao
longo deste tempo, necessários para o meu amadurecimento pessoal.
Sou muito grato à minha mãe, a minha avó e a minha tia avó, Maria Angélica, Alice e tia
Aninha, em especial, por estarem sempre do meu lado nos momentos mais difíceis da
minha vida, onde nunca duvidaram do meu potencial na conclusão desta missão.
Agradeço ao meu pai e da minha madrasta, Paulo Márcio e Rute, que sempre me deram
apoio e incentivos. Tais incentivos foram necessários para me manter na direção correta.
Agradeço aos meus irmãos, Lucas, Liana e Ana Vitória por tornarem os dias menos
estressantes onde, cada um a seu modo, proporcionaram momentos de descontração e
gargalhadas.
Agradeço ao IVIG, onde foi possível ter acesso a uma infinidade de conteúdos sobre os
portos do Brasil o que permitiu realizar esta pesquisa, além do contato direto com os mais
diversos profissionais e especialistas ligados ao setor portuário.
iv
Acho que faltam palavras no dicionário para denotar tamanha gratidão que tenho pela
Vania Sanches, onde me sinto até hoje acolhido como um filho teu. Neste período, as
muitas horas de conversas e sabedoria transmitida, que carregarei para o resto da minha
vida, foram essenciais nos momentos em que as decisões mais difíceis foram tomadas,
sem sombra de dúvida da melhor forma possível.
O agradecimento que tenho à minha namorada, Carla Teixeira, é especial. Você é uma
companheira inequívoca. Esteve do meu lado nas diversas madrugadas que fiquei
acordado para desenvolver este trabalho, onde nunca duvidou, sequer por um só segundo
que fosse, da importância desta jornada para mim. O teu carinho, compreensão e o teu
espírito alegre tornou esta jornada menos difícil.
Aos meus amigos pessoais, Luiz Antônio (Lula) e Bernardo pelo apoio e incentivo
sistemático de correr atrás dos meus sonhos. Também gostaria de agradecer ao Mestre
Tigrinho pelos treinos, apesar de breves, mas muito importante durante todo este período
de desenvolvimento da dissertação. Agradeço a todos os companheiros de tatame tais
como; Wellintong, Walter (quem é Walter?), Fred, Nathalia, Pedro, Sheldon, Professor e
entre muitos outros colegas de tatame que fizeram a diferença nos treinos.
Agradeço a CAPES pela concessão do apoio financeiro, substancial para que eu pudesse
me dedicar à ciência neste meu início de carreira, e aos integrantes da banca, por
aceitarem o convite para contribuir com o desenvolvimento da dissertação.
v
Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos
necessários para a obtenção do grau de Mestre em Ciências (M. Sc.)
vi
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
The importance of the port sector in the development of the world economy is
undeniable, and Brazil is no different. Therefore, it is extremely important that Brazilian
seaports are efficient in the management of cargo handling operations, otherwise the
Brazilian productive sector will have a competitive disadvantage in the international
market. One of the results of inefficiency in port operations is the generation of solid
waste, whose inventory was obtained through diagnostic reports, the result of a
partnership between SEP / PR and UFRJ. For this, the Network Two-Stage DEA method
was applied in 19 Brazilian seaports, with the purpose of analyzing the efficiency of the
ports considering two stages. In the first stage, it analyzed the efficiency of port operations
management, which considered infrastructure variables (number of berths, berth
extension and storage area) and port operation (number of berths and cargo movement).
In the second stage, it analyzed the efficiency of solid waste management, with the
operational variables of the previous stage as inputs and the generation of solid waste as
an undesirable output. The result evidenced that the port of Salvador was the most
efficient of the sample, being the only port efficient in the second stage, which allowed
to refute the hypothesis of this work.
vii
SUMÁRIO
LISTA DE FIGURAS..................................................................................................... x
1 INTRODUÇÃO ...................................................................................................... 1
viii
4.1 Revisão Bibliográfica ...................................................................................... 64
5 RESULTADOS ..................................................................................................... 71
6 CONCLUSÃO....................................................................................................... 97
ix
LISTA DE FIGURAS
x
Figura 20: Percentual dos modelos adotados pelos autores nos trabalhos levantados ... 58
Figura 21: Fluxograma do procedimento metodológico da pesquisa ............................. 64
Figura 22: Modelo Network Two-Stage DEA adotado no estudo de caso desta dissertação
........................................................................................................................................ 69
Figura 23: Valores médios, máximos e mínimos dos indicadores de eficiência global e do
primeiro e segundo estágios do modelo Two-Stage DEA .............................................. 72
Figura 24: Resultado do índice de eficiência do primeiro estágio do modelo Network Two-
Stage DEA. ..................................................................................................................... 73
Figura 25: Resultado do índice de eficiência do segundo estágio do modelo Network Two-
Stage DEA. ..................................................................................................................... 73
Figura 26: Relação das eficiências do primeiro e do segundo estágios ......................... 74
Figura 27:Resultado do indicador de eficiências global do modelo Network Two-Stage
DEA. ............................................................................................................................... 75
xi
LISTA DE TABELAS
xii
ABREVIATURAS
ANTAQ – Agência Nacional de Transportes Aquaviários
Kg – Quilograma
xiii
1 INTRODUÇÃO
Uma das externalidades das operações portuárias é a geração de resíduos sólidos, cujos
impactos ambientais são fontes de preocupação para os envolvidos do setor, tais como
empresas privadas, entidades da administração pública (governos federal, estadual e
municipal, ANTAQ (Agência Nacional de Transportes Aquaviários), autoridades portuárias,
ANVISA (Agência Nacional de Vigilância Sanitária), entre outros) e sociedade civil.
1
As atividades portuárias podem causar impactos de ordem ambiental, social, econômica,
entre outras, devido, principalmente, aos resíduos gerados nas operações portuárias e nas
embarcações (FREITAS, 2015). Jesus (2015) afirma que os resíduos gerados nas operações
portuárias são provenientes da ineficiência na execução das atividades necessárias para a
movimentação das cargas.
Esta pesquisa torna-se relevante ao analisar a eficiência da gestão das operações nos portos
marítimos brasileiros, onde foi considerado à geração de resíduos sólidos, uma externalidade
inerente às atividades de movimentação de cargas.
No auxílio das análises foi adotado o modelo Network Two-Stage DEA, por permitir que as
análises sejam segregadas em estágios. No primeiro estágio analisou-se a eficiência da
operação portuária e, no segundo estágio analisou-se a eficiência do porto quanto à redução
na geração de resíduos.
Os resultados apresentados pelo modelo Network Two-Stage DEA possibilitaram uma maior
compreensão acerca da influência da eficiência da gestão portuária na geração dos resíduos
nos portos marítimos brasileiros.
Diante das exigências por melhores práticas operacionais, a questão de pesquisa a ser
respondida é: os portos marítimos brasileiros cuja gestão operacional portuária é eficiente,
também apresentam eficiência na gestão de resíduos sólidos? A hipótese considera é que a
gestão portuária eficiente possibilita uma gestão de resíduos sólidos mais eficientes,
resultando numa menor geração de resíduos sólidos.
2
1.3 Justificativa
O setor portuário brasileiro é responsável por mais de 90% de todas as mercadorias
importadas e exportadas (SOUSA JÚNIOR, 2010). Logo, a eficiência na gestão das
operações portuárias é vital para a economia da nação e principalmente para a população
brasileira.
Segundo Jesus (2015), a geração de resíduos sólidos é um fator de ineficiência nas operações
portuárias. Entretanto, até o ano de 2014, data das publicações dos Relatórios Diagnósticos
do Projeto de Conformidade, o setor portuário carecia de informações quanto à geração de
resíduos sólidos (tipologias de resíduos e quantidades geradas).
Em posse destas informações, foi possível analisar à eficiência dos portos considerando à
geração dos resíduos sólidos. Para isto, foi utilizado o modelo Network Two-Stage DEA com
o intuito de segregar a análise em dois estágios relacionados entre si. No primeiro estágio,
analisou à eficiência da operação portuária e, no segundo estágio, analisou à eficiência da
geração dos resíduos sólidos, dado que o output do primeiro estágio como o input do segundo
estágio.
Diante disto, foi possível identificar os portos mais eficientes e, consequentemente, os portos
mais ineficientes e qual o estágio que influenciou na ineficiência do porto. Com isto, esta
pesquisa tem uma relevante contribuição ao meio científico ao analisar à eficiência da gestão
das operações portuárias, considerando à geração dos resíduos sólidos como uma
externalidade destas operações.
3
Levantar e identificar as medidas de eficiência adotadas na gestão dos portos
marítimos brasileiros, no âmbito das operações portuárias;
Analisar de forma individual e comparativa, os portos que apresentaram elevados
índices de eficiência nas operações portuárias também apresentaram elevados índices
de eficiência quanto à geração de resíduos sólidos, e vice-versa;
Na seção 3 é apresentado o método DEA adotado nesta dissertação para avaliar à gestão
portuária, onde é apresentado as variáveis adotadas neste trabalho tais como, de
infraestrutura, de operação e de geração de resíduos. Ao considerar o problema de pesquisa
e suas variáveis, fez-se necessário levantar os conceitos sobre as implicações de se utilizar
outputs indesejados no modelo, além dos tratamentos necessários para incorporar
adequadamente esta variável ao problema de pesquisa.
Na seção 5 são apresentados e discutidos os resultados obtidos por meio dos modelos DEA.
Nesta seção são abordados aspectos da influência da gestão portuária na geração dos resíduos
sólidos nos portos marítimos brasileiros.
4
2 SETOR PORTUÁRIO
O setor de transporte aquaviário brasileiro conta com a Agência Nacional de Transportes
Aquaviários (ANTAQ) que é uma autarquia especial, integrante da administração federal
indireta e vinculada ao Ministério dos Transportes, Portos e Aviação Civil (MTPAC), e tem
por finalidade implementar as políticas formuladas pelo ministério a que se está subordinada
e pelo Conselho Nacional de Integração de Políticas de Transportes (CONIT) (ANTAQ,
2017a). Além disto, é de responsabilidade da ANTAQ regular, supervisionar, e fiscalizar as
atividades relativas à prestação de serviços no transporte aquaviário e à exploração da
infraestrutura portuária e aquaviária (ANTAQ, 2017a; BRASIL, 2001).
As instalações portuárias brasileiras são apresentadas em quatro tipos que são; porto
organizado, Terminal de Uso Privativo (TUP), Estação de Transbordo de Carga (ETC) e
Instalação Portuária Pública de Pequeno Porte (IP4) (CARMO, 2015).
5
Figura 1: Mapa dos principais portos e TUPs do Brasil
Fonte: Elaboração própria
Num período de seis anos, entre 2010 e 2016, os portos e TUPs brasileiros movimentaram,
em média, 718,371 milhões de toneladas de mercadorias (Figura 2), o que representa em
valores monetários um montante de US$ 2,927 trilhão (MDIC, 2017).
Figura 2: Quantidade, em milhões de toneladas, de bens importados e exportados no Brasil no período entre
2010 a 2016.
Fonte: Adaptado de (MDIC, 2017).
6
A Figura 2 evidencia o aumento significativo na quantidade de bens transportados obtidos
no comércio exterior, principalmente no período entre 2012 e 2015. No período entre 2010
e 2016, o aumento da quantidade de bens importados e exportados foi de 19,39% (MDIC,
2017). Entretanto, o ano de 2012 foi o único que apresentou queda nas importações e
exportações brasileiras, na comparação com o ano anterior, dado a crise econômica que
assolou boa parte das economias mundiais. Nos anos seguintes a esta crise, entre 2013 e
2016, o comércio internacional brasileiro foi marcado por uma recuperação acumulada de
14,11% no período.
Figura 3: Percentual de bens importados e exportados para o Brasil no período entre 2010 e 2016.
Fonte: Adaptado de (MDIC, 2017).
Dada à dimensão territorial do Brasil, o transporte marítimo foi o modo de transportes que
mais movimentou cargas (Figura 4). No ano de 2016, o transporte marítimo foi responsável
pela importação e exportação de cerca de 616,5 milhões de toneladas de carga, representando
96,30% do total de cargas transportadas. Na média, o transporte marítimo movimenta cerca
de 547,91 milhões de toneladas de carga.
7
Figura 4: Percentual da quantidade de bens transportados por modo de transportes entre 2010 e 2016, no
Brasil.
Fonte: Adaptado de (MDIC, 2017)
Na segunda posição, o modo de transporte fluvial foi o segundo mais utilizado para a
importação e exportação de cargas, cuja representatividade oscilou entre 2,36% (12,7
milhões de toneladas), em 2012, a 3,06% (17,5 milhões de toneladas), em 2014 (MDIC,
2017). Por fim, os modos de transportes rodoviário, meios próprios1, não declarado,
ferroviário, aéreo, postal, lacustre e dutoviário foram agrupados na categoria ‘Demais modos
de transportes’ porque transportaram menos de 1% da quantidade total de bens no período.
1
O modo de transporte “meios próprios” é para os bens que são autotransportáveis, tais como, embarcações,
aeronaves, bens transportados em mãos como, joias, e pedras preciosas, ou, bens transportados “em veículos
do próprio exportador ou importador e em outros veículos dispensados de emissão desses documentos, na
forma da legislação de transporte vigente” (MDIC, 2017).
8
O modo de transporte aquaviário, segundo a lei nº 12.379/11, é composto pelas vias
navegáveis, pelos portos marítimos e fluviais, pelos dispositivos que permitem a
transposição de nível (como por exemplo, as eclusas), pelas interligações aquaviárias de
bacias hidrográficas e pelas instalações e estruturas destinadas à operação e à segurança da
navegação aquaviária (BRASIL, 2011).
A Lei de Modernização dos Portos (lei nº 12.815/13) foi um substituto da lei nº 8.630/93,
que, na época, ficou conhecida como a “Lei dos Portos” (SILVA, 2014). Para BNDES
(2012), os portos organizados são aqueles que estão sob a competência de uma autoridade
portuária.
Goes Filho (2010) define porto como qualquer lugar que possibilita realizar o transbordo de
bens ou passageiros, entre o tráfego marítimo e o terrestre. Ainda para o mesmo autor, os
portos devem ter fácil acesso terrestre, ter profundidade compatível e instalações de
acostagem adequada aos navios que a eles se destinam, capacidade para movimentar as
cargas, abrigo para os navios e adequada áreas de estocagem para as cargas que se destinam
a atender.
Sousa Júnior (2010) afirma que o porto é um elo da cadeia de transportes, tendo como
objetivo promover a integração entre as sociedades que detêm produtos diferentes. No que
tange ao transporte de cargas, o porto influencia diretamente no crescimento da economia
da região e do seu entorno (hinterland) e, de certa forma “pode ser considerado como indutor
de crescimento econômico da região no seu entorno” (SOUSA JÚNIOR, 2010, p. 6).
Para Acosta (2008), o porto organizado consiste numa área que compreende as instalações
portuárias, tais como; “ancoradouros, docas, cais, armazéns, edificações, vias de circulação
9
interna, acesso aquaviário”, entre outros, permitindo que as atividades de movimentação e
armazenagem dos bens oriundos ou destinados ao transporte aquaviário (ACOSTA, 2008,
p. 23).
A infraestrutura portuária pode ser dividida em dois tipos; terrestre e marítima. A primeira
possibilita carregar e descarregar as cargas entre as embarcações e o limite da área do porto.
Ou seja, a infraestrutura terrestre é formada por equipamentos e instalações físicas em terra
que permitam movimentar as cargas dentro da área do porto por meio das vias ferroviárias,
rodoviárias, por dutos e correias transportadoras, pátios dos terminais de embarque e
desembarque das cargas, entre outros (ACOSTA, 2008; LACERDA, 2005).
Goes Filho (2010) afirma que o arranjo geral dos portos, normalmente, se distingue em três
partes: canal de acesso, anteporto e o porto propriamente dito, considerando a bacia de
evolução e as instalações de acostagem.
10
Para o mesmo autor, o canal de acesso “liga as profundidades existentes em alto mar às
instalações internas do porto”, permitindo o transito de navios (GOES FILHO, 2010, p. 28).
O anteporto é a “área marítima onde os navios fundeiam” ao entrar no porto, onde aguardam
a visita das autoridades policiais, aduaneiras e da saúde com o intuído de desembaraçar o
navio para a atracação (GOES FILHO, 2010, p. 28). Por fim, o porto é o local que se
encontram “as instalações de acostagem para os navios em frente às quais se apresenta a
bacia de evolução”, utilizada para manobras de atracação e desatracação dos navios (GOES
FILHO, 2010, p. 29).
Segundo a ANTAQ, no período entre 2010 e 2016, o setor portuário transportou, em média,
cerca de 516,71 milhões de toneladas de granel sólido (75,41%), 101,04 milhões de
11
toneladas de carga geral (14,75%) e 67,45 milhões de toneladas de granel líquido (9,84%)
(Figura 5).
Figura 5: Percentual da quantidade média de carga transportada, por natureza de carga, no período entre 2010
e 2016
Fonte: Adaptado de (ANTAQ, 2016)
Figura 6: Quantidade de carga movimentada pelo setor portuário brasileiro, por natureza de carga, no período
entre 2010 e 2016
Fonte: Adaptado de (ANTAQ, 2016)
12
Em seguida, as cargas de granel líquido apresentaram incremento de 24,59% (21,04 milhões
de toneladas) no período amostral. Por fim, a carga geral apresentou um aumento de 5,85%
(3,60 milhões de toneladas) nas movimentações de carga (Figura 6).
Exportação
Conforme a Figura 7 e a Figura 8, o granel sólido foi a carga mais exportada, com uma
quantidade média anual de 454,48 milhões de toneladas (83,62%). No período de tempo
considerado, as exportações de graneis sólidos apresentaram aumento de 40,68%, um
incremento de 146,36 milhões de toneladas.
A quantidade de carga geral exportada do Brasil que utilizou o setor portuário foi de 62,45
milhões de toneladas, com uma representatividade de 11,49%. Neste período de tempo, as
exportações desta carga apresentaram um aumento de 45,03% (22,91 milhões de toneladas).
Figura 7: Quantidade de carga para a exportação, utilizando o setor portuário brasileiro, conforme a natureza
de carga, no período entre 2010 e 2016
Fonte: (ANTAQ, 2016)
Por fim, a quantidade média anual de granel líquido exportado foi de 26,58 milhões de
toneladas, representando 4,89% desta quantidade, incremento no período de 13,56% (3,53
milhões de toneladas).
13
Figura 8: Percentual da quantidade média de carga exportada do Brasil, por natureza de carga, no período
entre 2010 e 2016
Fonte: Adaptado de (ANTAQ, 2016)
A partir destes dados, é possível concluir que o Brasil é um país de atividade econômica
ainda primária, pois, a prevalência de graneis sólidos nas exportações brasileiras podem
configurar que o Brasil desempenha mais ativamente as atividades de agricultura e extração
de minerais.
Importação
As importações brasileiras apresentaram uma quantidade média anual de 62,23 milhões de
toneladas de granel sólido (43,92%). Num período de seis anos, as importações de granel
sólido aumentaram em 43,99% (20,30 milhões de toneladas), conforme é possível observar
na Figura 9 e na Figura 10.
14
Figura 9: Quantidade de carga para a importação, utilizando o setor portuário brasileiro, conforme a natureza
de carga, no período entre 2010 e 2016
Fonte: (ANTAQ, 2016)
Figura 10: Percentual de carga importada, dada sua natureza no ano de 2016, no Brasil
Fonte: (ANTAQ, 2016)
Ao analisar os dados do comércio exterior brasileiro é possível concluir que o Brasil tem
uma forte economia primária, cujas atividades são de extração de recursos minerais e de
15
agricultura, exportando vultosas quantidades de graneis sólidos. Por outro lado, sua
economia secundária (indústrias) é pouco desenvolvida, dado a quantidade de bens
industrializados, como a carga geral e o granel líquido, em geral, são importados.
Barros (2013) afirma que a gestão diz respeito à utilização dos recursos disponíveis, visando
atender os objetivos organizacionais pré-determinados. Desta forma, é preciso apresentar os
conceitos acerca das operações portuárias que são um conjunto complexo de todas as ações
necessárias (movimentação e armazenagem) para realizar a passagem dos bens entre os
modos de transportes marítimo e os terrestres (BARROS, 2013; SILVEIRA et al., 2012).
Sendo assim, é possível afirmar que a gestão operacional portuária é a união dos recursos
disponíveis utilizados de forma eficiente nas operações portuárias (BARROS, 2013;
KUROSAWA, 2003).
As operações portuárias podem ser executadas por entes públicos ou privados e, a partir
disto, o Banco Mundial (WORLD BANK, 2007) classifica a gestão portuária a partir de
critérios relacionados a função da sua orientação (local, regional ou global), a
responsabilidade de prestar os serviços (setor público, privado ou por ambos), a
responsabilidade pela propriedade e ao fornecimento da mão de obra portuária (VIEIRA,
2013).
Os modelos de gestão portuário são (TONOLLI et al., 2015; VIEIRA, 2013; WORLD
BANK, 2007);
Service Port: de forma predominante, os atores neste modelo de gestão são públicos.
A construção da infraestrutura (incluindo seus acessos) e da superestrutura do porto
(aquisição de equipamentos para os terminais) e a operação destas instalações é de
16
responsabilidade do governo (direta ou indiretamente por meio de empresas
públicas) (SANTANA et al., 2015);
Tool Port: neste modelo, a autoridade pública fornece a infraestrutura e a
superestrutura. O setor privado é responsável pela prestação dos serviços;
Landlord Port: a autoridade portuária detém a infraestrutura, enquanto que o setor
privado é responsável pelos investimentos na superestrutura e por prestar os serviços
portuários;
Private Port: a infraestrutura, a superestrutura e a prestação dos serviços portuários
são de responsabilidade do setor privado (MILANI et al., 2015).
Para Vianna Júnior (2009), o modelo de gestão portuário deve atender a cinco requisitos de
qualidade e produtividade expressos por meio de indicadores de desempenho;
Interoperabilidade: é um atributo essencial na realização de negócios e
comunicação de comércio exterior, implementado por meio de software e pela rede
mundial de computadores.
Rastreabilidade: é um atributo de qualidade dos produtos, principalmente os
produtos alimentícios, onde a informação de origem e qualidade do produto são
parâmetros que interferem na saúde e qualidade de vida da população, tais como a
utilização de sementes transgênicas, de agrotóxicos e entre outros.
Segurança: este é um atributo presente nos processos logísticos e de produção,
principalmente nos mercados externos. Este atributo é dividido em duas partes; safety
e security. Segundo o mesmo autor, o conceito sobre safety é o de segurança para
17
acidentes não intencionais que podem ser evitados a partir de medidas preventivas e,
caso aconteça, por medidas de contingenciamento. Já security, se refere a segurança
contra atos terroristas, ilícitos e incidentes pessoais.
Confiabilidade: é o atributo que determina a probabilidade da certeza que
determinada ação, ou componente de um sistema, ou evento ocorrerá conforme o
previsto/planejado. Ou seja, a confiabilidade de um sistema é proporcional à sua
previsibilidade; quanto mais previsível for, mais confiável será o sistema.
Proteção ao meio ambiente: atributo que diz respeito ao impacto ambiental oriundo
das atividades portuárias que, quando não gerenciado de forma adequada, resulta na
degradação do ambiente ao redor do porto. São exemplos, a poluição das aguas, a
destinação dos resíduos de embarcações em locais inadequados, a poluição do ar,
contaminação do solo, proliferação de vetores (ratos, baratas, entre outros) e entre
outros (GUEDES, 2005).
O governo brasileiro adotou o modelo Landlord Port para a exploração do seu sistema
portuário. Desta forma, a iniciativa privada é responsável pela superestrutura e pela operação
portuária, por meio de arrendamento da instalação portuária ou concessão do porto
organizado (SEP/PR, 2010).
Sendo assim, é possível concluir que os modelos de gestão portuário são determinantes para
o desempenho dos serviços prestados no porto organizado, cujas atividades não se limitam
apenas à movimentação da carga propriamente dita, mas também ao tratamento de suas
externalidades, como por exemplo, à geração de resíduos sólidos.
18
2.2.1 Operações Portuárias
No transporte marítimo, a tarefa principal dos portos é carregar e descarregar os bens
transportados pelas embarcações, utilizando equipamentos específicos dada a peculiaridade
de cada tipo de carga, na interface com outros modos de transportes, que são; ferroviário,
rodoviário e fluvial (SANTOS e KITZMANN, 2016).
Sousa Júnior (2010) separa as atividades portuárias segundo funções externas e internas.
Segundo o mesmo autor, as funções externas são divididas em três grupos de atividades, que
são:
Destinadas aos navios: Diz respeito aos serviços prestados às embarcações ao
chegarem no porto, cujas atividades são realizadas pelos práticos e rebocadores.
Realizadas na “interface” mar-terra, isto é, na região onde ocorre o carregamento ou
o descarregamento das cargas situadas nos navios.
Realizadas em terra como por exemplo, a movimentação da carga do ponto de
atracação até os pátios e armazéns.
As funções internas são aquelas que permitem a execução adequada das funções externas
com o intuito de se obter o melhor custo-benefício tais como, “as funções econômicas,
físicas, financeiras, sociais, comerciais e de desenvolvimento” (SOUSA JÚNIOR, 2010).
Seguindo esta linha conceitual, Bichou e Gray (2005) afirmam que as operações portuárias
se dividem em dois tipos de serviços; relacionados com a carga e os relacionados com os
navios. Os serviços portuários relacionados aos navios são executados no mar (dragagem,
praticagem, amarração/desamarração, entre outros) e na interface mar-terra (atracação,
manutenção, abastecimento e entre outros) (MILANI et al., 2015).
19
Os serviços portuários relacionados com a carga também apresentam interface mar-terra
(arrumar, carregar, descarregar e entre outros) e na terra (consolidação da carga,
armazenamento e distribuição) (BICHOU e GRAY, 2005; MILANI et al., 2015).
20
para mitigar os impactos ambientais advindos do setor portuário. Esses instrumentos
normativos serão detalhados na próxima subseção.
Diante disto, faz-se necessário definir resíduos sólidos, a partir do artigo 3º inciso XVI da
Política Nacional de Resíduos Sólidos (PNRS), sancionada na forma da lei nº 12.305/2010;
Além disto, Gaudêncio et al. (2015) afirmam que a geração de resíduos sólidos é
consequência do consumo em excesso de produtos, especialmente de produtos não duráveis.
O mesmo autor afirma que o conceito de resíduos sólidos está relacionado diretamente com
os impactos ambientais e sociais, que são consequência das ações humanas sobre o ambiente,
dado o aumento e acúmulo dos resíduos sólidos em locais inadequados para o destino final,
tal como os lixões.
Para conseguir mitigar à geração dos resíduos é necessário que definir gestão de resíduos.
Vasconcellos (2006) entende que a gestão de resíduos é composta de um conjunto de
processos de administração de resíduos, em que considera sua qualidade, origem,
composição, características, formas e meios de tratamento ambientalmente adequado.
21
é considerado as dimensões políticas, econômicas, ambiental, cultural e social (BRASIL,
2010).
No setor portuário, Freitas et al. (2016a) afirmam que as principais fontes de geração de
resíduos nos portos são; as áreas arrendadas, as áreas não arrendadas e as embarcações.
Entretanto, Pereira et al. (2014) apresentam as fontes geradoras de resíduos nos portos da
seguinte forma;
Embarcação: os resíduos gerados pelas embarcações são de acordo com as atividades
administrativas, de suporte, manutenção e operação das embarcações. Entretanto, a
quantidade de resíduos gerados depende do tamanho e da capacidade da embarcação,
assim como da quantidade de tripulantes, do tipo de transporte (carga ou passageiro),
e das características dos equipamentos utilizados nas operações;
Instalação portuária: as diversas atividades portuárias que ocorrem em terra tais
como, operação nos terminais, refeitórios e cozinhas, setor de suporte e manutenção,
áreas administrativas, entre outros (PEREIRA et al., 2014).
Os resíduos gerados pelos navios podem ser categorizados da seguinte forma (FREITAS,
2015; VALOIS, 2009);
Resíduo doméstico: em geral, são restos de comida, plásticos, latas, garrafas, louças,
copos quebrados, papel, papelão e resíduos de enfermaria;
22
Resíduo de manutenção: estopas e panos oleosos, restos de peças de manutenções,
peças danificadas, material de embalagem (papel, plásticos, metal, entre outros),
cinzas e refratários, restos de tinta, entre outros;
Resíduo operacional associado à carga: calços e escoras para a carga, pallets, lonas
e coberturas para a carga e correias de amarração da carga.
Os impactos ambientais são efeitos da ação do ser humano no meio ambiente e pode ser
negativo ou positivo. Os impactos positivos são àqueles em que as ações apresentam
resultados que beneficiam o meio ambiente. No que se refere à impactos negativos, Jesus
(2015) afirma que é quando há “rompimento do equilíbrio ecológico”, por meio da
contaminação do meio ambiente, exaustão dos recursos naturais e a degradação dos
ecossistemas (JESUS, 2015, p. 12).
23
Rocha (2016) afirma que um dos principais fatores que causam impactos ambientais
negativos é a geração de resíduos resultante das atividades portuárias, logo, suas quantidades
estão diretamente relacionadas com a movimentação das cargas. Ou seja, quanto maior a
quantidade de bens movimentados no porto, maior será a quantidade de resíduos gerados.
Para Jesus (2015), os impactos ambientais das operações portuárias (manuseio, transporte e
armazenamento da carga), assim como os serviços prestados no porto (abastecimento das
embarcações e manutenção da infraestrutura dos navios, dos equipamentos e veículos em
geral), ocorrem quando estas ações são executados de forma inadequada, o que pode gerar
resíduos sólidos e líquidos, lançamento de efluentes em corpos d’agua, entre outros.
A disposição inadequada destes resíduos representa uma ameaça à saúde e ao meio ambiente.
Os resíduos orgânicos (restos de alimentos ou de carga) podem atrair vetores nocivos, como,
ratos, baratas, pombos, entre outros, acarretando danos à saúde pública (FREITAS, 2015;
FREITAS et al., 2016c).
Pallis et al. (2017) afirmam que do total de resíduos despejados em águas internacionais,
20% são resíduos gerados nas embarcações. Em vista disto, entidades dos setores público e
privado se movimentaram na direção de criar regras para adequar o gerenciamento dos
resíduos gerados nas embarcações.
24
A legislação ambiental que se aplica ao setor portuário, no que tange aos resíduos sólidos,
foi compilada na Tabela 2 a partir da publicação de Freitas et al. (2013)
Tabela 2:Síntese do levantamento da legislação e normas acerca dos resíduos sólidos aplicado nos portos
brasileiros
Abrangência Legislação e Resolução
Lei Nº 12.305, de 2 de agosto de 2010 – Institui a Política Nacional de
Resíduos Sólidos (PNRS) e Decreto Nº 7.404, de 23 de dezembro de 2010
– Regulamenta a Lei Nº 12.305, de 2 de agosto de 2010
Normas Gerais sobre Resíduos Resolução CONAMA 452, de 02 de julho de 2012 – Dispõe sobre os
Sólidos procedimentos de controle de importação de resíduos, conforme as
normas adotadas pela Convenção da Basiléia sobre o Controle de
Movimento Transfronteiriço de Resíduos Perigosos e seu Depósito.
Vale destacar na Tabela 2, a Política Nacional de Resíduos Sólidos (PNRS) por ser o marco
legal no que se refere à gestão dos resíduos sólidos. Essa dispõe de instrumentos e de
25
diretrizes relativas à gestão integrada e ao gerenciamento dos resíduos sólidos (BRASIL,
2010).
Para Freitas (2015), a eficácia do gerenciamento dos resíduos sólidos gerados nas atividades
portuárias exige que conceitos sejam assimilados pelos tomadores de decisão, quanto a
caracterização dos resíduos sólidos, quanto ao grau de periculosidade, quanto a definição
das alternativas de prevenção, quanto ao controle da geração dos resíduos e quanto as
alternativas para a destinação ambientalmente adequados a serem consideradas.
Para Barros (2013), o grau de satisfação do cliente está diretamente relacionado com o nível
de serviço prestado. Ou seja, identificar as necessidades do cliente é fundamental para elevar,
e manter, o nível de serviço e, consequentemente, influenciar de forma positiva na satisfação
do cliente. Ainda o mesmo autor, a manutenção do nível de serviço no comércio
internacional gira em torno da integridade, do tempo e da confiabilidade na entrega do
produto ao cliente.
26
No serviço de transportes entende que a avaliação de desempenho compreende “um conjunto
de procedimentos que permite avaliar, analisar e descrever” os procedimentos adotados nas
operações de movimentação de bens, por meio de “critérios pré-definidos e visando à
melhoria desse serviço” (D’AGOSTO, 1999; LEAL JUNIOR, 2010, p. 34).
Para Dutra et al. (2015), a avaliação de desempenho tem uma função estratégica em todas
as áreas da gestão empresarial que, diante de um cenário altamente competitivo, pode ser
considerado como “medida estratégica de sobrevivência das organizações”
(GIACOMELLO e OLIVEIRA, 2014).
Além disto, Nascimento et al. (2011) afirmam que os objetivos e as metas das organizações
influenciam à avaliação de desempenho, refletindo, assim, nas atividades organizacionais,
tanto no âmbito estratégico quanto no operacional.
Entretanto, Zary (2015) e Dutra (2003) afirma que a avaliação de desempenho é uma
ferramenta que permite interpretar as medidas de desempenho, traduzindo um dado
fenômeno na forma quantitativa ou qualitativa, onde um valor é atribuído naquilo que é
considerado relevante para a organização.
Neste contexto, a avaliação de desempenho pode ter um enfoque sob o ponto de vista do
embarcador, transportador, governo, entre outros. Uma vez que estes diferentes atores
possuem, é possível que os resultados destas avaliações sejam diferentes umas das outras
(LEAL JUNIOR, 2010).
Após isto, Leal Junior (2010) afirma que é necessário determinar à categoria a ser baseado
na avaliação que, em geral, são; eficácia; eficiência e efetividade. Além disto, deve-se
determinar a perspectiva da avaliação do desempenho, como por exemplo, operacional,
econômico-financeiro, ambiental, entre outros.
Hanones e Monteiro (2017) afirmam que avaliar o desempenho de um porto não é uma tarefa
simples, dada à complexidade e abrangência das movimentações das cargas. Ainda que o
27
setor portuário seja marcado por esta complexidade, os objetivos e as metas da avaliação do
desempenho devem ser claros e explícitos (HANONES e MONTEIRO, 2017).
A definição dos indicadores relevantes é extraída a partir de um banco de dados que contêm
informações qualitativas ou quantitativas que possibilitam avaliar o desempenho dos
processos organizacionais (LIMA, 2004). Para Dutra et al., (2014), os indicadores permitem
que as informações de fenômenos complexos estejam organizadas e simplificadas para que
gestores e usuários busquem a melhoria do processo de comunicação e entendimento destas
informações.
Para Zary (2015), os indicadores são fundamentais na avaliação de desempenho, pois são
utilizados pelos gestores na obtenção de maior compreensão e entendimento de uma dada
situação, resultando na tomada de decisão mais adequada diante dos problemas que surgem
no cotidiano das organizações. Sendo assim, é possível afirmar que o êxito da avaliação do
desempenho na organização está diretamente relacionado com a adequada construção dos
indicadores utilizados (NASCIMENTO et al., 2011).
28
é por meio da produtividade, que é definido como a razão entre a quantidade de saídas
(outputs) e a quantidade de recursos (inputs) utilizados no processo produtivo (VIEIRA et
al., 2014).
Além disto, é importante considerar outros indicadores de desempenho, como por exemplo,
o “nível de satisfação do cliente” com o serviço prestado, o “grau de atendimento às
especificações internas ou expectativas externas”, conhecida por eficácia (VIEIRA et al.,
2014, p. 795). Segundo Mello et al. (2005), a eficácia diz respeito apenas ao que é produzido,
e não ao consumo de inputs na produção.
Para Mello et al. (2005, p. 2522), a eficiência é um “conceito relativo”, onde é comparada a
produção real em relação a esperada, para os recursos disponíveis em ambos os casos. Para
Acosta et al. (2011) e Minato (2006), a comparação entre os valores observados e os valores
ótimos (valores máximos almejados, ou, segundo Minato (2006, p. 20), “o máximo produto
potencial alcançável”) são conhecidos por eficiência técnica.
29
Para ser eficiente, é preciso que o porto assegure que o serviço de movimentação das cargas
seja executado da melhor forma possível, sem que ocorram avarias e/ou acidentes em geral,
e no menor tempo possível. Para isto, é necessária a disponibilidade de equipamentos
modernos e adequados às cargas dos clientes. Desta forma, é possível reduzir o tempo de
espera dos navios, agilizar o desembaraço das cargas, reduzir custos operacionais, entre
outros (MILANI et al., 2015).
Kirchner (2013) e Monié e Vidal (2006) destacam que os setores produtivos disponíveis no
entorno dos portos (hinterland) tem influência direta na eficiência e na dinâmica dos portos
em si. Para Song e Geenhuizen (2014), os portos são catalisadores econômicos para as
regiões em que se situam, gerando benefícios econômicos e riqueza socioeconômica por
meio de serviços e atividades manufatureiras.
30
dos navios nos portos brasileiros, pois, esta variável representa o resultado final de toda a
operação do porto, desembaraço da carga, carregamento/descarregamento, abastecimento do
navio, entre outros. Segundo Gobbi et al. (2015), a média de permanência dos navios nos
portos brasileiros é de 5,5 dias, quase o dobro da média mundial (2,9 dias).
31
3 ANÁLISE ENVOLTÓRIA DE DADOS (DEA)
Com a difusão deste método com o passar dos anos, sua aplicação foi observada em diversos
segmentos de mercado, tais como, nas indústrias, instituições financeiras, nos portos e
terminais portuário, entre outros (LINS e MEZA, 2000; SOUSA JÚNIOR, 2010).
Segundo Lins e Meza (2000), o Método DEA possibilita utilizar diversos tipos de dados
reais de variáveis de input e output cujas unidades de medidas podem ser diferentes entre si,
desde que, tais variáveis sejam iguais para todas as unidades tomadoras de decisão (DMU –
Decision Making Units) (COOPER et al., 2006). Sendo assim, faz-se necessário definir
DMU (Decision Making Units) que é; qualquer tipo de empreendimento; público, privado,
comércios, indústrias, escolas e universidades, bancos, conjuntos habitacionais, portos e
aeroportos, entre muitos outros (BERTOLOTO e MELLO, 2011; COOPER et al., 2006;
SOUSA JÚNIOR, 2010). Ou seja, se o tomador de decisão utiliza como output a carga
movimentada (tonelada) de um conjunto de terminais portuários para analisar a eficiência
operacional, a unidade de medida nesta variável deve ser a mesma para todas as DMUs.
Além disto, o método considera os outliers, onde é possível analisá-los como um benchmark
a ser estudado pelas demais DMUs (LINS e MEZA, 2000).
Segundo Charnes et al. (1978), DEA é um método não paramétrico com o objetivo de avaliar
a eficiência técnica entre determinados empreendimentos (DMUs), cujas características
32
operacionais devem ser similares, utilizando múltiplos inputs para produzir múltiplos
outputs (LINS e MEZA, 2000; PIRES e SILVA, 2016).
A partir disto, o método DEA atribui pesos aos inputs e outputs para cada DMU,
considerando que estas estejam operando de forma a otimizar seus recursos. Em seguida, as
DMUs são avaliadas em relação ao conjunto de seus pares selecionados. Desta forma, a(s)
DMU(s) que obtiverem resultados maiores na comparação com as demais se situarão na
fronteira eficiente de produção, sendo, assim, considerada(s) referencia(s) para as demais.
(ACOSTA et al., 2011)
A quantidade de DMUs e de variáveis devem ser adequadas para que não haja distorções
nos resultados do modelo DEA. A seleção de um pequeno número de DMUs pode gerar uma
grande quantidade de DMUs eficientes, da mesma maneira que uma grande quantidade de
variáveis pode resultar numa baixa discriminação das DMUs eficientes em relação às
ineficientes (FERNANDES, 2010). Para isto, Tiscoski (2016) considerou uma regra que
estabeleceu a quantidade de inputs (m) e de outputs (n) utilizados nas DMUs escolhidas;
A fronteira eficiente, apresentada pelo modelo DEA, é uma envoltória das DMUs observadas
e, com isso, não é preciso assumir qualquer hipótese acerca da função de produção, ou seja,
os processos de transformação dos inputs em outputs (FONTES, 2006). Lins e Meza (2000)
33
destaca que a flexibilidade nos pesos é uma das maiores vantagens do método DEA, pois
permite identificar as DMUs ineficientes “que têm uma baixa performance com seu próprio
conjunto de pesos” (ACOSTA, 2008, p. 51). Além disto, o método DEA apresenta um índice
de desempenho para cada DMU em relação à amostra, o que possibilita diferenciar as DMUs
eficientes das ineficientes. Das DMUs ineficientes, o modelo calcula o nível de ineficiência
individual, apresentando, assim, as deficiências destas DMUs (ACOSTA, 2008).
As desvantagens do método DEA foi apresentado por Souza (2015) onde é possível destacar
a sensibilidade dos resultados quanto à inclusão ou retirada de alguma variável do problema
(input e output), além do modelo não considerar as diferenças entre os ambientes externos
das DMUs em análise, o que pode apresentar resultados falsos sobre as habilidades
gerenciais das DMUs, entre outros.
Uma das vantagens do SFA em relação aos modelos determinísticos é que este incorpora um
termo de erro o que possibilita identificar os “choques aleatórios” o que pode ser confundido
com ineficiência (RIOS, 2015, p. 47). Entretanto, uma das desvantagens deste modelo é a
necessidade de especificar formas funcionais (parâmetros) explícitas para representar a
função produção (tecnologia) a serem estimados (ACOSTA, 2008; RIOS, 2015).
34
3.2 Modelos Clássicos DEA
O método DEA têm dois modelos clássicos; CCR (conhecido por CRS – Constant Return to
Scale) e o BCC (conhecido por VRS – Variable Return Scale). O modelo CCR (sigla para
Charnes, Cooper e Rhodes) opera com retornos constantes de escala, ou seja, a quantidade
de inputs consumidos nas operações é proporcional à obtenção dos outputs. Na forma
gráfica, este modelo apresenta uma superfície linear, não paramétrica, em que compreende
os dados das variáveis das DMUs (MELLO et al., 2005).
Por outro lado, o modelo BCC foi desenvolvido por Banker et al. (1984) a partir do modelo
CCR. Este modelo não considera a proporcionalidade entre as variáveis de input e output,
inerente ao modelo CCR, a partir da substituição do axioma da proporcionalidade pelo
axioma da convexidade (BERTOLOTO e MELLO, 2011; MELLO et al., 2005; MILANI et
al., 2015).
∑𝑠𝑗=1 𝑢𝑗 𝑦𝑗0
𝑀𝑎𝑥 ℎ0 =
∑𝑚𝑖=1 𝑣𝑖 𝑥𝑗0
Equação 2
35
Em que
k: é a quantidade de DMUs
i: é a quantidade de inputs de cada DMU
j: é a quantidade de outputs de cada DMU
ℎ0 : é a eficiência da DMU em análise
𝑦𝑗0 : é o valor do output j da DMU em análise
𝑥𝑖0 : é o valor do input i da DMU em análise
𝑢𝑗 : é o vetor peso atribuído ao output j
𝑣𝑖 : é o vetor peso atribuído ao input i
Além de assumirem a restrição de não negatividade, os valores dos pesos são dados para
cada DMU em análise (ou DMU observada (DMUo)) e estes podem apresentar valores
distintos entre si, conforme o valor dos inputs e dos outputs de cada DMU em particular.
36
𝑠
𝑢𝑗 , 𝑣𝑖 ≥ 0, ∀𝑥, 𝑦 Equação 9
𝑀𝑖𝑛 ℎ Equação 10
𝑛
λ𝑘 ≥ 0, ∀𝑘 Equação 13
Em que;
λ𝑘 : são os pesos atribuídos as variáveis de input e output até a k-ésima DMU.
De forma similar à orientação a input, o modelo DEA CCR orientado a output determina
que a DMUo atinge à eficiência máxima aumentando a quantidade de produtos sem alterar
37
os recursos disponíveis. O valor dos pesos é multiplicado para todos os outputs, formando
assim, a fronteira eficiente de produção. (RUBEM et al., 2015; SOUSA JÚNIOR, 2010).
𝑠. 𝑡. ∑ 𝑢𝑗 𝑦𝑗0 = 1 Equação 15
𝑗=1
𝑠 𝑚
𝑢𝑗 , 𝑣𝑖 ≥ 0, ∀𝑥, 𝑦 Equação 17
𝑀𝑎𝑥 ℎ Equação 18
𝑛
λ𝑘 ≥ 0, ∀𝑘ℎ ≥ 0 Equação 21
38
3.2.2 Modelo BCC
Segundo Fernandes (2010), o modelo VRS surgiu a partir de uma variação do modelo CRS
com o objetivo de tratar os casos de rendimento crescentes e decrescentes de escala na
fronteira eficiente, onde é necessário incluir uma restrição adicional de convexidade ao
modelo do envelope orientado a input (Equação 22 a Equação 26) e a output (Equação 27 a
Equação 31) (GUEDES et al., 2008; MELLO et al., 2005).
𝑀𝑖𝑛 ℎ Equação 22
𝑛
∑ 𝜆𝑘 = 1 Equação 25
𝑘=1
λ𝑘 ≥ 0, ∀𝑘 Equação 26
𝑀𝑎𝑥 ℎ0 Equação 27
𝑛
∑ 𝜆𝑘 = 1 Equação 30
𝑘=1
λ𝑘 ≥ 0, ∀𝑘 = 1, … , 𝑛 Equação 31
Segundo Mello et al. (2005), os duais do modelo VRS são resultados do Multiplicadores,
orientados a inputs (Equação 32 a Equação 35) e a outputs (Equação 36 a Equação 39).
Nestes modelos há duas variáveis duais 𝑢∗ e 𝑣∗ que são associadas à condição ∑𝑛𝑘=1 𝜆𝑘 = 1
e “são interpretados como fatores de escala” (MELLO et al., 2005, p. 2532).
39
𝑠
𝑠. 𝑡. ∑ 𝑥𝑖0 𝑣𝑖 = 1 Equação 33
𝑖=1
𝑠 𝑟
𝑣𝑖 , u𝑗 ≥ 0, 𝑢∗ ∈ ℜ Equação 35
𝑠. 𝑡. ∑ 𝑦𝑗0 𝑢𝑗 = 1 Equação 37
𝑗=1
𝑟 𝑠
𝑣𝑖 , u𝑗 ≥ 0, 𝑣∗ ∈ ℜ Equação 39
40
apresenta a seguinte função matemática 𝑓(𝑈) = 1⁄𝑢. A partir disto, o output
indesejável torna-se um output desejável. Entretanto, esta abordagem não pode ser
adotada caso o output indesejável apresente valor igual à zero.
Translation (TRβ): esta abordagem é similar à abordagem ADD, mas, adiciona um
escalar positivo (𝛽𝑖 ) que seja grande o suficiente de modo que os resultados sejam
positivos para cada DMU, cujos valores transladam. Entretanto, esta abordagem é
válida somente para os modelos DEA BCC e Aditivo, tendo em vista que o modelo
CCR não é invariante à translação. Desta forma, esta abordagem tem a seguinte
função matemática: 𝑓(𝑈) = −𝑢 + 𝛽 (TSCHAFFON e MEZA, 2011).
Sendo assim, Färe e Grosskopf (2000) apresentaram um modelo DEA que permite avaliar
os processos internos de transformação dos inputs e dos outputs, baseados nos modelos
clássicos (TORRES et al., 2016). Os modelos DEA com múltiplos níveis surgiram a partir
da necessidade de se analisar as eficiências dos diversos processos organizacionais, uma vez
que os modelos DEA clássicos não tinham esta capacidade, sendo, então, uma das vantagens
do modelo Network-DEA (NDEA) (FRANCISCO, 2013; LOPES, 2016).
Nos modelos em níveis (ou multinível), em geral, são formados por mais de um processo
interligado, constituindo uma espécie de “rede”. Estas conexões apresentam estruturas em
série, paralelo ou uma mistura destes dois (FRANCISCO, 2013; SANTOS, 2015).
41
Segundo Ebrahimnejad et al. (2014), os modelos Network DEA estruturados em série são
divididos em duas categorias;
Modelos de sistema fechados; as variáveis exógenas são encontradas apenas no
primeiro estágio (input) e no último estágio (output). Nos estágios intermediários,
utiliza-se os outputs do estágio anterior como inputs no estágio subsequente,
conforme é possível observar na Figura 11; e
Modelos de sistema abertos; as variáveis exógenas (inputs e/ou outputs) podem ser
encontradas em cada um dos processos que compõem o sistema (Figura 12).
42
Figura 13: Modelo Network DEA estruturado em paralelo
Fonte: Adaptado de (LOPES, 2016)
Por fim, o modelo Network DEA apresenta a estrutura mista quando o modelo não está
estruturado em série e nem em paralelo, contemplando, assim, as duas estruturas (LOPES,
2016).
Além disto, Färe et al. (2007) apresentam três formas de se aplicar o modelo Network DEA,
que são; tecnologias de produção dinâmica, tecnologias de produção estática e adoção
tecnológica (mudança técnica incorporada). A tecnologia de produção dinâmica considera o
espaço temporal discreto na análise, ou seja, os períodos de tempos da análise são distintos
e não infinitos. O exemplo adotado pelos autores é o cultivo de batatas, onde uma parte da
produção das batatas (output) do primeiro período de tempo é consumido e uma outra parte
é utilizada como input na próxima estação de cultivo (segundo período de tempo) (Figura
14) (FÄRE et al., 2007).
43
A adoção de tecnologias pode ser formulada com base em dois equipamentos, dado que as
tecnologias destes equipamentos são distintas entre si. Neste caso, os inputs são alocados
acerca dos equipamentos, e, consequentemente, determinam qual a tecnologia a ser
considerada nos sub processos. Em geral, isto é conhecido pelos economistas como
“embodied technical change”2 (FÄRE et al., 2007).
Por fim, a tecnologia de produção estática consiste numa quantidade finita de estágios
conectados na forma de rede, conforme é possível observar na Figura 15. Este modelo
considera que em cada DMU há processos internos que tem um conjunto de inputs e outputs
que são relacionados entre si (TORRES et al., 2016). Além disto, este modelo fornece a
estrutura básica para os demais modelos (modelo tecnológico de produção dinâmico e a
adoção tecnológica) (FÄRE et al., 2007).
2
Mudança técnica incorporada, na tradução livre.
44
forma independente, onde não há relação direta entre o desempenho dos estágios e da DMU
(OMRANI e KESHAVARZ, 2015).
Por fim, na abordagem relacional apresenta a relação direta entre a eficiência global da DMU
e dos estágios, por meio de restrições impostas na programação linear. A primeira publicação
acerca do modelo relacional foi realizado por Kao e Hwang (2008) para avaliar um sistema
que apresentou dois estágios conectados em série, onde a eficiência global do sistema foi
calculada a partir do produto das eficiências obtida em cada estágio. Esta abordagem foi
aprofundada por Kao (2009) ao considerar as estruturas em paralelo nos estágios conectados.
Este modelo foi utilizado por Seiford e Zhu (1999) para medir a rentabilidade e a liquidez
de 55 bancos comerciais dos Estados Unidos (EUA). No primeiro estágio foram
considerados a quantidade de funcionários, ativos e patrimônio líquidos como input e, como
outputs intermediários, as receitas e os lucros. No segundo estágio, os outputs exógenos
foram o valor de mercado, o retorno total para os investidores e o lucro por ação, para avaliar
a negociabilidade.
45
Wanke (2013) utilizou o modelo Two-Stage DEA para medir a eficiência de 27 portos
brasileiros, onde foi considerado, no primeiro estágio, a infraestrutura física, tendo como
inputs; o número de berços, a área de armazenagem e a área do pátio. Para a variável
intermediária foram considerados as atracações das embarcações que movimentam granel
sólido anual e a quantidade embarcações que movimentam contêineres anual. No segundo
estágio, os outputs exógenos foram a quantidade de graneis sólidos (toneladas/ano) e
contêineres (TEU/ano).
Seiford e Zhu (1999) afirmam que claramente é possível aplicar o modelo Network Two-
Stage DEA de forma independente. Entretanto, Liang et al. (2008) afirmam que há um
conflito inerente a esta análise. Por exemplo, suponha que uma DMU é eficiente no primeiro
estágio e no segundo estágio não é. Ao melhorar o desempenho desta DMU no segundo
estágio (reduzindo o input intermediário (𝑧𝑑𝑗 ), por meio do modelo DEA orientado a input)
a redução da variável intermediária pode tornar a DMU ineficiente no primeiro estágio.
A partir disto, Kao e Hwang (2008) propuseram um modelo que considera à relação entre os
estágios, conhecido como modelo Network Two-Stage DEA Relacional Multiplicativo que
é baseado no modelo clássico DEA-CCR. A modelagem matemática para a eficiência global
(𝐸0 ) é apresentada na Equação 40 a Equação 42 (KAO e HWANG, 2010; TORRES et al.,
2016).
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟0
𝐸0 = max
∑𝑚 𝑖=1 𝑣𝑖 𝑥𝑖0
Equação 40
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟𝑗
𝑠. 𝑡. 𝑚 ≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝑖=1 𝑣𝑖𝑗 𝑥𝑖𝑗 Equação 41
46
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑0
𝐸01 = max
∑𝑚
𝑖=1 𝑣𝑖 𝑥𝑖0
Equação 43
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑𝑗
𝑠. 𝑡. 𝑚 ≤ 1, 𝑗 = 1,2, … , 𝑛 Equação 44
∑𝑖=1 𝑣𝑖𝑗 𝑥𝑖𝑗
𝑤𝑑 , 𝑣𝑖 ≥ 0, 𝑖 = 1,2, … , 𝑚, 𝑑 = 1,2, … , 𝐷 Equação 45
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟0
𝐸02 = max 𝐷 Equação 46
∑𝑑=1 𝑤𝑑 𝑧𝑑0
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟𝑗
𝑠. 𝑡. ≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑𝑗
Equação 47
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟0
𝐸0 = max 𝑚 Equação 49
∑𝑖=1 𝑣𝑖 𝑥𝑖0
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟𝑗
𝑠. 𝑡. 𝑚 ≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝑖=1 𝑣𝑖𝑗 𝑥𝑖𝑗 Equação 50
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑𝑗
≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝑚
𝑖=1 𝑣𝑖𝑗 𝑥𝑖𝑗
Equação 51
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟𝑗
≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑𝑗
Equação 52
1), o que possibilita utilizar a técnica de Programação Linear para sua resolução (Equação
54 a Equação 59).
47
𝑠
𝑠. 𝑡. ∑ 𝑣𝑖 𝑥𝑖0 = 1 Equação 55
𝑖=1
𝑠 𝑚
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟0
𝐸0 = max 𝑚 Equação 60
∑𝑖=1 𝑣𝑖 𝑥𝑖0
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑0
𝐸01 = max 𝑚 Equação 61
∑𝑖=1 𝑣𝑖 𝑥𝑖0
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟0
𝐸02 = max
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑0
Equação 62
Uma outra forma de se obter a eficiência global é por meio do produto das eficiências dos
estágios, conforme apresentado pela Equação 63.
Entretanto, a combinação dos pesos ótimos pode não ser única, ou seja, há mais de uma
possibilidade de combinação de pesos no cálculo das eficiências e, consequentemente, a
decomposição da Equação 63 pode também não ser única (BRÁS, 2015; GOMES JÚNIOR
et al., 2014).
48
Como solução, Kao e Hwang (2008) propuseram encontrar o conjunto de multiplicadores
que permita o maior valor para 𝐸01 , mantendo o escore de eficiência global em 𝐸0 calculado
a partir da Equação 54 a Equação 59.
Este conceito foi formulado matematicamente pelo autor conforme é possível observar na
Equação 64 a Equação 70 (BRÁS, 2015; KAO e HWANG, 2008);
Após o cálculo de 𝐸01+ , a eficiência do segundo estágio é obtida pela Equação 71;
𝐸0
𝐸02− =
𝐸01+ Equação 71
49
𝑠
𝐸0
𝐸01− =
𝐸02+ Equação 79
No que se refere aos alvos projetados na fronteira eficiente, Chen et al. (2013) demonstraram
que, sob a condição do CCR, a abordagem do envelope do modelo Two-Stage DEA não
fornece, necessariamente, informações sobre a eficiência dos estágios e somente apresenta
informações quanto às projeções das DMUs na fronteira.
Diante desta “armadilha”, a abordagem do envelope do modelo Two-Stage DEA não explica
os pesos atribuídos às variáveis intermediárias utilizados nos cálculos das eficiências dos
estágios. Embora a abordagem dos multiplicadores ofereça valor de eficiência global e nos
estágios, os duais podem não fornecer informações corretas sobre as projeções na fronteira
sem os ajustes adequados no modelo DEA, o que só pode ser realizado nos modelos de
estágios em série (CHEN et al., 2013; TORRES et al., 2017).
50
Entretanto, Kao e Hwang (2008) apresentaram o modelo matemático do envelope do modelo
Two-Stage DEA da seguinte forma (Equação 80 a Equação 84);
𝑚 𝐷 𝑠
𝑚 𝐷 𝑠
em que 𝜆𝑗 𝑒 𝛿𝑗 são os pesos das variáveis e 𝑠𝑖𝑣 , 𝑠𝑑𝑤 , 𝑠𝑟𝑢 são as folgas dos inputs exógenos,
variáveis intermediárias e outputs exógenos, respectivamente.
51
Kao e Hwang (2008) afirma que se todo 𝛿𝑗 ,𝑗 = 1, . . , 𝑛 for igual a zero, então este modelo se
refere ao modelo CCR convencional. Entretanto, caso haja pelo menos um 𝛿𝑗 diferente de
zero, então a fronteira de produção formada pelas DMUs se desviará, em vez de passar por
elas como ocorre no modelo CCR convencional (KAO e HWANG, 2008). Ainda o mesmo
autor, este desvio permite explicar o porquê de nenhuma das DMUs ser eficiente.
52
quantidade de funcionários. E os outputs foram; a quantidade de TEU’s por guindaste
(relação de produtividade) e quantidade de TEU’s movimentados. Entretanto, os
respectivos autores utilizaram DMUs artificiais como um método alternativos de
simulação de um conjunto de restrições aos pesos.
O artigo de Rubem et al. (2014) utilizou dois métodos para avaliar o desempenho das
DMUs que foram o DEA CCR e BCC ambos orientados a output na formulação do
envelope e o método de Copeland. Os autores visavam avaliar a importância relativa
de cada unidade do setor portuário brasileiro para o comercio nacional, dado o tipo
de carga movimentada por cada unidade portuária. Para isso, foi desenvolvido um
conjunto de clusters e segregaram tais portos conforme o perfil da carga de cada
unidade portuárias. Neste artigo, a própria unidade portuária foi considerada como o
input (input unitário) e para output foram considerados o número de atracações,
quantidade de carga movimentada em contêineres (TEU), tonelagem movimentada
de carga solta, tonelagem movimentada de carga em granel líquido; e a tonelagem de
carga movimentada em granel sólido.
O artigo de Roll e Hayuth (1993) é considerado o trabalho pioneiro na defesa da
aplicação de DEA no setor portuário. Entretanto, os autores limitaram na
apresentação teórica e não houve estudo de caso. Apesar disto, o trabalhou permitiu
a aplicação do DEA no setor portuário.
O trabalho de Martinez-Budría et al. (1999) aplicou o modelo DEA-BCC com o
intuito de avaliar o desempenho operacional e financeiro de 26 portos contêineres
espanhóis, sendo estes segregados em três grupos conforme o grau de complexidade
de cada um. Os autores consideraram como variáveis de input, despesas com pessoal,
taxas de depreciação e outros custos. Para output foi considerado movimentação de
cargas, receita obtida no aluguel de facilidades.
Tongzon (2001) avaliou o desempenho operacional de 16 terminais de diferentes
países considerando dois outputs, que são; movimentação de contêiner (TEU) e a
movimentação de contêineres (TEU) por hora de trabalho por navio, e seis inputs,
número de guindaste, número de berços de atracação, número de rebocadores,
número de funcionários, área do terminal e Delay Time.
O artigo de Chang (2013) analisou a eficiência ambiental de 23 portos situados na
Coreia utilizando o SBM DEA, em que foram considerados os dados de desempenho
ambiental e econômico, estimando, assim, o potencial de redução de CO2 pelos
portos em questão. O artigo determina que estes portos foram ineficientes no ponto
de vista econômico, e eficientes ao considerar o desempenho ambiental e econômico
simultaneamente.
Torres et al. (2016) analisou a eficiência operacional de 34 terminais portuários e
portos brasileiros utilizando o modelo Network DEA (NDEA), considerando como
input no primeiro estágio a quantidade de berços de atracação. E como output o
número de atracações. No segundo estágio, os inputs são os outputs utilizados no
53
primeiro estágio. O output do segundo estágio foi utilizado os pesos brutos de
carregamento dos contêineres, da carga solta, do granel sólido e do granel líquido.
Os autores utilizaram o tempo médio de estadia para comparar as eficiências do
primeiro, segundo estágios e a eficiência global.
Omrani e Keshavarz (2015) adotou o modelo Network DEA relacional para analisar
a eficiência da cadeia de suprimentos das linhas de navegação, formadas por uma
série de tomadores de decisão, como; fornecedores, produtores e distribuidores,
interconectados em uma rede, onde foram considerados seis inputs, oito variáveis
intermediárias e um output.
A partir do levantamento dos trabalhos científicos que aplicaram o método DEA no setor
portuário, foram identificados os inputs e os outputs considerados para a representação dos
problemas destes trabalhos. O resultado deste levantamento permitiu identificar que, do total
de inputs adotados (145 inputs) neste levantamento, cerca de 60,69% utilizaram inputs que
dizem respeito a infraestrutura do porto, 16,55% de inputs acerca da operação do porto;
10,34% de inputs que dizem respeito as finanças do porto, 7,59% de inputs acerca dos
recursos humanos; 4,14% dos inputs que dizem respeito as questões ambientais e, por fim,
o input unitário foi utilizado apenas uma única vez, representado 0,69% da amostra,
conforme é possível observar na Figura 16 (ACOSTA, 2008; ACOSTA et al., 2011;
BARROS e ATHANASSIOU, 2004; BERTOLOTO e MELLO, 2011; CHANG, 2013;
CORTEZ et al., 2013; CRAVEIRO, 2015; CULLINANE et al., 2004; DASGUPTA e
SINHA, 2016; FERNANDES, 2010; FONTES, 2006; GOBBI, 2015; GUEDES et al., 2008;
GUIMARÃES et al., 2014; GÜNER, 2015; ITOH, 2002; KIRCHNER, 2013; MARTINEZ-
BUDRÍA et al., 1999; MILANI et al., 2015; NGUYEN et al., 2015; OLIVEIRA, 2015;
OMRANI e KESHAVARZ, 2015; PAIVA, 2015; PIRES, 2016; PIRES e SILVA, 2016;
RIOS, 2005; RIOS et al., 2004; ROLL e HAYUTH, 1993; RUBEM et al., 2014, 2015;
SILVA et al., 2011; SILVEIRA, 2009; SOUSA JÚNIOR, 2010; TISCOSKI, 2016;
TONGZON, 2001; TORRES et al., 2016; VALENTINE e GRAY, 2001; VIEIRA et al.,
2014; WANKE, 2013).
54
Figura 16: Percentual dos tipos de inputs utilizados nos trabalhos científicos levantados, que aplicaram DEA
no setor portuário.
Fonte: Elaboração própria
55
Figura 17: Percentual dos inputs de infraestrutura mais utilizados nos trabalhos levantados
Fonte: Elaboração própria
Por fim, a categoria “Demais inputs” é composta pelos inputs cuja representatividade foi
menor que 2% da amostra. Entretanto, juntos representam cerca de 21,38% da amostra3.
Os tipos de outputs mais adotados pelos autores estavam relacionados com as variáveis
operacionais, representando 85,29% da amostra, conforme é possível observar na Figura 18.
Em seguida, os demais tipos outputs utilizados foram; financeiro, ambiental e qualidade,
que, respectivamente, representaram 6,86%, 4,90% e 2,94% da amostra.
3
A categoria “Demais inputs” é representada por: capacidade de armazenamento, consumo de energia, prancha
média, total de emissão, área do pátio, capacidade de manuseio de carga, capacidade dos berços em receber
navios, consumo de agua por trabalhador, consumo de material de escritório, delay time, despesas com pessoal,
despesas totais, efluente líquidos, emissão de esgoto, energia consumida (TOE), fauna sinantrópica nociva,
input unitário, inverso do tempo médio de operação, investimentos, largura da bacia de evolução, largura do
canal de acesso, profundidade da bacia de evolução, profundidade do cais acostável, taxa de ocupação dos
berços, taxas de depreciação, tipos de carga, total de custos.
56
Figura 18: Percentual dos tipos de outputs mais utilizados nos trabalhos científicos levantados que aplicaram
DEA no setor portuário
Fonte: Elaboração própria
A representatividade dos outputs utilizados pelos autores é apresentada na Figura 19. Como
é possível observar, o output carga movimentada representou 59,80% da amostra,
evidenciando a preferência dos autores por esta variável de saída. Em seguida, a atracação
foi o segundo output mais adotado pelos autores, representando 16,67% da amostra. Estes
dois outputs dizem respeito da operação portuária e, juntos, representam cerca de 76,47% da
amostra.
Figura 19: Percentual dos outputs mais utilizados nos trabalhos científicos levantados que aplicaram DEA no
setor portuário
Fonte: Elaboração própria
57
Em seguida, os outputs mais adotados foram: faturamento (2,94%), lucro líquido (1,96%),
prancha média (1,96%), satisfação do cliente (1,96) e demais outputs (14,71%)4.
Ao analisar os modelos DEA adotados pelos autores, dos 49 trabalhos levantados para esta
dissertação, a aplicação dos modelos CCR e BCC, no mesmo trabalho, foi observado em
36,73% da amostra (Figura 20). Em trabalhos distintos, os modelos BCC e CCR foram
observados, respectivamente, em 20,41% da amostra.
Figura 20: Percentual dos modelos adotados pelos autores nos trabalhos levantados
Fonte: Elaboração própria
Dos 49 trabalhos levantados para esta dissertação, apenas nove (18,37%) adotaram o modelo
Network DEA (Figura 20). Destes, apenas três (33,33%) foram referentes ao setor portuário.
Destes três trabalhos, dois (66,66%) utilizaram as variáveis de infraestrutura como input
exógenos; a quantidade de atracação como variável intermediária e; para output exógeno, a
movimentação de cargas nos portos.
4
Os outputs que compõem a categoria Demais Outputs são: 1/ tempo de operação/ 1.000 (TEUs), emissão de
co2 (ton), impacto ambiental, indice de desempenho ambiental (IDA), market share, média de movimentação
de contêiner por hora por navio, movimentação horária da carga (un/h), movimentação por hora, movimentação
teus por hora de trabalho/navio, nível de serviço (%), plásticos reciclados em relação aos plásticos segregados
(%), plásticos segregados em relação aos resíduos sólidos totais (%), produtividade no cais (unid/h), receita
obtida no aluguel de facilidades (pesetas), TEUs/guindaste.
58
3.6 Seleção das variáveis inputs e outputs
A tarefa de escolha das variáveis de input e output é considerada crítica, pois, caso haja
algum equívoco na seleção destas, é possível que os resultados sejam igualmente
equivocados (ALMAWSHEKI e SHAH, 2015; FERNANDES, 2010).
Com o intuito de evitar que isto ocorra, é preciso identificar a influência com que as variáveis
têm no problema a ser estudado. No que tange ao transporte de cargas pelo setor portuário,
Almawsheki e Shah (2015) afirmam que a escolha dos inputs e dos outputs devem refletir
os objetivos reais e os processos acerca das operações de movimentação das cargas do setor
portuário.
A partir do levantamento dos trabalhos científicos, observou-se que 60,69% das variáveis de
entrada consideradas pelos autores foram de inputs de infraestrutura. Das variáveis de saída,
85,29% foram de outputs que dizem respeito das operações portuárias.
Dowd e Leschine (1990) afirmam que a produtividade dos portos e terminais portuários
dependem do uso eficiente dos recursos disponíveis. Com isso, é possível concluir que as
características físicas e organizacionais influenciam na produtividade e eficiência do setor
portuário (SOUSA JÚNIOR, 2010). Desta forma, faz-se necessário apresentar algumas
variáveis de input e output com o intuito de enriquecer a discussão;
a. Cais de atracação
Segundo Fontes (2006), o cais é destinado à atracação de embarcações de passageiros e
cargas. A extensão do cais pode influenciar na produtividade do terminal, pois, é possível
que esta variável influencie na quantidade de berços de atracação existentes.
b. Berços de atracação
Os berços são locais destinados à atracação e movimentação das cargas a serem embarcadas
ou desembarcadas (APPA, 2011) A quantidade de berços determina a capacidade do porto
em atender as embarcações, simultaneamente.
Além disto, a extensão dos berços pode determinar o tamanho máximo das embarcações que
podem ser atracados. Para Paiva (2015, p. 49), a extensão dos berços “é uma medida da
59
disponibilidade de espaço” para as embarcações. Ainda a mesma autora, os berços mais
extensos conseguem atender embarcações de diversos tipos de tamanho.
c. Canal de Acesso
Segundo a ANTAQ (2009), o canal de acesso liga o alto mar com as instalações portuárias,
cuja profundidade, largura e sinalização devem ser adequadas para o acesso das embarcações
às instalações portuárias. Suas dimensões possibilitam, ou não, a atracação de embarcações
de maior porte e/ou mais carregados, medido por meio do calado (KIRCHNER, 2013;
PAIVA, 2015). Ou seja, quanto maior for estas dimensões, maior é a gama de embarcações
(pequeno, médio e grande porte) a navegarem.
d. Calado
O calado é definido por APPA (2011) e Sousa Júnior (2010) como a distância entre à lâmina
d’água e o ponto mais baixo da quilha da embarcação. Craveiro (2015) afirma que a
produtividade do porto está relacionada com os calados mais profundos pois, possibilita que
embarcações de maior porte, e mais carregadas, atraquem nestes portos.
e. Área do Terminal;
Para Kirchner (2013) e Fernandes (2010), a área do terminal representa a capacidade quanto
ao manuseio e armazenamento das cargas. Esta variável apresenta as características físicas
e operacionais dos portos e terminais portuários, onde é permitido medir sua capacidade
física e operacional (PIRES, 2016).
g. Consignação Média;
60
A consignação média é o indicador que mede a quantidade de carga, em toneladas ou em
unidades de contêineres (TEU), que foram carregadas ou descarregadas dos navios –
toneladas/navio ou TEU/navio (ARRUDA et al., 2008; CRAVEIRO, 2015). Por meio deste
indicador, é possível caracterizar o tamanho médio das embarcações que atracam num berço,
ou num conjunto de berços do porto (Equação 90) (CRAVEIRO, 2015).
h. Prancha Média;
Este indicador determina a quantidade de carga movimentada em relação ao tempo (hora)
que a embarcação esteve atracada (CRAVEIRO, 2015). Além disto, este indicador evidencia
de forma implícita um indicativo dos recursos utilizados no porto (ou terminal portuário),
tais como, quantidades e tipos de equipamentos e quantidade de mão de obra disponível.
61
Segundo Gobbi (2015), a geração de resíduos sólido está diretamente associada às
“atividades humanas nos portos e nas suas áreas de entorno” (GOBBI, 2015, p. 21). Ainda a
mesma autora, as atividades portuárias que geram resíduos são;
Operações de carga e descarga;
Armazenamento temporário de cargas e produtos;
Resíduos gerados nas áreas administrativas e de manutenção das instalações;
Acondicionamento e limpeza inadequados de grãos e resíduos de cargas nos pátios,
durante a movimentação (transporte da carga) ou armazenamento temporário;
Manuseio de carga geral;
Resíduos gerados na embarcação oriunda da atividade humana;
62
4 MATERIAIS E MÉTODOS
Nesta seção são apresentados os procedimentos metodológicos que nortearam esta pesquisa
na busca para atender seus objetivos. Desta forma, é essencial estabelecer que a classificação
dos objetivos desta pesquisa são exploratórios, pois segundo Oliveira (2011), as pesquisas
que se enquadram nesta categoria de estudo buscam esclarecer ideias e intuições, visando
adquirir maior conhecimento acerca do fenômeno pesquisado.
Em geral, a pesquisa exploratória permite que o estudo do tema seja realizado sob diversos
ângulos e aspectos, que envolve, em geral, o levantamento bibliográfico, entrevistas com
especialistas que já vivenciaram o problema a ser pesquisado e analisa outros exemplos com
o intuito de estimular uma maior compreensão acerca do tema em questão (PROVDANOV
e FREITAS, 2013).
Esta pesquisa considerou 19 portos marítimos brasileiros como estudo de caso, o que
caracteriza um estudo de casos múltiplos (OLIVEIRA, 2011). Por fim, a natureza desta
pesquisa é quantitativa diante das variáveis utilizadas serem quantitativas, e não qualitativas.
(GERHARDT e SILVEIRA, 2009).
O levantamento dos dados do setor portuário brasileiro foi por meio de fontes secundárias,
a partir da publicação de relatórios técnicos disponibilizados pelo Projeto de Implantação do
Programa de Conformidade do Gerenciamento de Resíduos Sólidos e Efluentes Líquidos
nos Portos Marítimos Brasileiros, cuja parceria foi entre à Secretaria Especial de Portos da
Presidência da República (SEP/PR) e à COPPE/UFRJ5, por intermédio do Instituto Virtual
Internacional de Mudanças Globais (IVIG), que teve o seu início em 2011 (FREITAS et al.,
2016d)
5
COPPE/UFRJ – Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia da Universidade
Federal do Rio de Janeiro
63
Figura 21: Fluxograma do procedimento metodológico da pesquisa
Fonte: Elaboração própria
A seguir são descritas as etapas do fluxograma (Figura 21) com o intuito de detalhar o
procedimento metodológico adotado nesta pesquisa.
Para isto, foram consultadas as bases de dados (nacional e internacional), cujos documentos
são de instituições acadêmica de notório saber ou de alguma instituição do governo brasileiro
ou estrangeiro. Em geral, os documentos utilizados foram; teses de doutorado, dissertações
de mestrado, artigos científicos publicados em revistas, periódicos ou em anais de
congressos acadêmicos, manuais de boas práticas elaborados por instituições de notório
64
saber, normas, legislações e resoluções instituída por órgãos da administração pública, além
de outros documentos oriundos de fontes fidedignas.
Os dados de geração de resíduos têm uma limitação temporal do ano de 2013, o que pode
ser considerada desatualizada no meio acadêmico. Diante disto, foi realizado ampla busca
por documentos, junto à ANTAQ e aos portos marítimos, com o intuito de verificar a
existência de dados da geração de resíduos em períodos mais recentes. Apesar deste esforço,
não foi possível obter tais dados por nenhum dos órgãos consultados, restando utilizar os
dados do Projeto de Conformidade.
O critério para a seleção dos portos considerou à geração mínima de uma tonelada de
resíduos sólidos declarados no ano de 2013. Sendo assim, dos 22 portos marítimos
brasileiros considerados no Projeto de Conformidade, os portos de Cabedelo, Ilhéus e
Maceió foram excluídos das análises.
65
adotado o modelo DEA que considera o retorno constante de escala (CRS), conforme
proposto por Kao e Hwang (2008).
Este modelo possibilita identificar à eficiência global (𝐸0 ) dos portos, por meio do produto
entre os indicadores das eficiências do primeiro (𝐸01 ) e do segundo estágios (𝐸02 ), conforme
apresentado na seção 3.4.
O objetivo desta pesquisa é reduzir à geração de resíduos nos portos marítimos, o modelo
deveria ser orientado a output, já que este último é resultado da ineficiência da gestão das
operações portuárias. Entretanto, como o modelo é o CRS, não é necessário definir a
orientação já que, neste caso, ambas as orientações fornecem o mesmo indicador de
eficiência (GOMES JÚNIOR et al., 2014).
Além disto, os estágios foram analisados de forma independente, com o intuito de identificar
os alvos e os benchmarks, numa análise não relacional, onde foi considerado o modelo DEA
clássico CCR orientado a output.
66
A extensão de cais é uma variável importante a ser considerada no problema por determinar
o tamanho máximo que um navio pode atracar no porto. Com isso, é possível afirmar que
embarcações maiores tendem a transportar uma quantidade maior de cargas numa única
viagem, o que interfere diretamente na produtividade do porto. Entretanto, análogo a isto,
portos que não disponibilizam grandes extensões de cais, para ser eficiente, tendem a
apresentar uma quantidade maior de atracações. Além disto, esta variável foi a terceira mais
observada nos trabalhos levantados que aplicaram DEA no setor portuário.
Para conseguir atracar e movimentar as cargas é necessário que a infraestrutura do porto seja
adequada aos tipos das embarcações e às cargas movimentadas. Sendo assim, justifica-se
considerar no primeiro estágio as variáveis de infraestrutura, como inputs, e as operações de
atracação e movimentação de carga, como outputs.
67
Os dados de atracação e movimentação das cargas foram extraídos do Sistema de Informação
Gerencial (SIG) da ANTAQ. Para o levantamento das informações da infraestrutura dos
portos foram utilizados os relatórios do Projeto de Conformidade e os Planos de
Desenvolvimento de Zoneamento (PDZ) dos respectivos portos marítimos.
O segundo estágio, por sua vez, analisou o desempenho da gestão de resíduos sólidos dos
portos, onde a quantidade de resíduos sólidos gerados, em toneladas, foi utilizada a variável
de saída. Os dados de geração de resíduos sólidos foram extraídos dos Relatórios
Diagnósticos, resultado do Projeto de Conformidade, no ano de 2013.
A abordagem ADD, ao transformar o output indesejado num valor negativo, tem implicações
nos softwares utilizados nesta dissertação. Tais programas computacionais não reconhecem
variáveis negativas, impossibilitando obter os resultados desejados.
A abordagem INP, ao considerar o output indesejado num input, modifica a estrutura das
variáveis no modelo Network Two-Stage DEA, onde, a variável geração de resíduos passaria
a ser um input exógeno no primeiro estágio. A abordagem TR𝛽, ao somar o 𝛽 com os outputs
indesejados de cada DMU, impossibilita utilizar o modelo CCR, dado que este é invariante
à translação.
Sendo assim, a abordagem Multiplicative Inverse (MLT) foi adotada por não apresentar
qualquer tipo de impedimento que fora observado nas demais abordagens.A operação
matemática da abordagem MLTN apresentou valores muito pequenos, sendo necessário
multiplicar por 1x104.
68
Figura 22: Modelo Network Two-Stage DEA adotado no estudo de caso desta dissertação
Fonte: Elaboração própria
69
modelo NDEA baseado em Kao (2009), além dos modelos clássicos, conforme evidenciado
por Soares et al. (2017).
Os resultados apresentados pelo modelo Two-Stage DEA foram as eficiências global, dos
estágios e os pesos atribuídos às variáveis do problema. Entretanto, não é possível obter as
informações acerca dos alvos e dos benchmarks neste modelo, conforme apresentado por
Torres et al. (2016).
Posterior a aplicação do modelo Two-Stage DEA, o modelo CCR tradicional foi aplicado
com o intuito de analisar o comportamento dos pesos atribuídos às variáveis e a formação
das fronteiras em cada estágio, desconsiderando a relação entre ambos os estágios. Os
resultados destas análises permitiram identificar os alvos e os benchmarks das DMUs
ineficientes, além das DMUs que integram a fronteira de eficiência “em cada estágio”
separadamente.
Para isto, foi utilizado o software SIAD por apresentar outros indicadores além dos índices
de eficiência, tais como; Eficiência Invertida, Composta e Composta Normalizada
(Composta*) (MEZA et al., 2005).
70
5 RESULTADOS
Nesta seção são apresentados os resultados do modelo Two-Stage DEA e, de forma
independente, o modelo CCR orientado a output, aplicados em 19 portos marítimos
brasileiros. Sendo assim, esta seção apresenta os resultados obtidos pelo SIAD e pelo
SIMDEA para os modelos CCR e Two-Stage DEA, respectivamente.
Nesta pesquisa, os valores dos índices de eficiências supracitados são apresentados na Tabela
4; eficiência global e as eficiências do primeiro e do segundo estágios, assim como a
hierarquização dos portos mais eficientes a partir da eficiência global.
Tabela 4: Resultado das eficiências global, do primeiro e do segundo estágios do modelo Two-Stage DEA
Hierarquização
Porto DMU Efic. 1º Estágio Efic. 2º Estágio Efic. Global
Efic. Global
Aratu-candeias 1 0,4779 0,0384 0,0184 11
Belém 2 1,0000 0,0188 0,0188 9
Fortaleza 3 0,8847 0,0210 0,0186 10
Imbituba 4 0,3892 0,0745 0,0290 5
Itaguaí 5 1,0000 0,0002 0,0002 16
Itajaí 6 0,5908 0,0399 0,0236 8
Itaqui 7 0,5054 0,0033 0,0017 14
Natal 8 0,2020 0,2146 0,0433 3
Paranaguá 9 0,6519 0,0001 0,0001 17
Recife 10 0,1548 0,2272 0,0352 4
Rio de Janeiro 11 0,3454 0,0000 0,0000 18
Rio Grande 12 1,0000 0,0244 0,0244 6
Salvador 13 0,8051 1,0000 0,8051 1
Santos 14 0,4505 0,0000 0,0000 18
São Francisco do Sul 15 1,0000 0,0013 0,0013 15
Suape 16 0,7073 0,0141 0,0100 13
Vila do Conde 17 0,5147 0,0275 0,0142 12
Vitória 18 1,0000 0,0241 0,0241 7
São Sebastião 19 0,0867 0,8085 0,0701 2
Fonte: Elaboração própria
71
No primeiro estágio, a eficiência média foi de 61,93%, onde o maior e o menor valor de
eficiência foram 100% (portos de Belém, Itaguaí, Rio Grande, Sã Francisco do Sul e Vitória)
e 8,67% (porto de São Sebastião), respectivamente (Tabela 4 e Figura 23).
Figura 23: Valores médios, máximos e mínimos dos indicadores de eficiência global e do primeiro e segundo
estágios do modelo Two-Stage DEA
Fonte: Elaboração própria
No segundo estágio, a média foi de 13,36%, cujos valores máximos e mínimos vão de 100%
(porto de Salvador) e zero (portos de Santos e Rio de Janeiro), respectivamente (Tabela 4 e
Figura 23). Por fim, na eficiência global, a média foi de 5,99%, cujo maior valor foi de
80,51% (porto de Salvador) e o menor valor foi zero (portos de Santos e Reio de Janeiro).
72
Figura 24: Resultado do índice de eficiência do primeiro estágio do modelo Network Two-Stage DEA.
Fonte: Elaboração própria
Por outro lado, a Figura 25 expõe a baixa eficiência dos portos no segundo estágio, onde foi
possível perceber a similaridade com a Figura 27, exceção dos portos de Salvador e São
Sebastião, cuja linha do gráfico se mantem concentrada basicamente dentro do raio de 10%
de eficiência.
Figura 25: Resultado do índice de eficiência do segundo estágio do modelo Network Two-Stage DEA.
Fonte: Elaboração própria
73
A Figura 26 apresenta os valores das eficiências do primeiro (eixo das abcissas) e do segundo
estágios (eixo das ordenadas). A partir disto, observar-se que os portos, em geral, se
concentram mais próximos do eixo das abcissas, o que torna evidente a baixa eficiência no
segundo estágio, com exceção dos portos de Salvador e São Sebastião.
Além disto, é possível perceber uma maior aglomeração entre os valores da abscissa de 0,3
e 0,8, determinando que, em geral, os portos não apresentaram eficiência operacional
satisfatória, penalizando ainda mais no cálculo da eficiência global.
Na Figura 27 é possível observar que a maior parte dos portos se situa no raio de até 10% de
eficiência global. A exceção é o porto de Salvador que foi o único que apresentou o maior
valor na eficiência global que foi de 80,51%, destacando-se no gráfico.
74
Figura 27:Resultado do indicador de eficiências global do modelo Network Two-Stage DEA.
Fonte: Elaboração própria
Dos 19 portos, apenas dois (10,52% da amostra) encontram-se distantes do eixo das
abscissas que são; porto de Salvador e porto de São Sebastião, conforme será apresentado.
Para isto, foi utilizado o software SIMDEA que, além dos índices de eficiência (Tabela 4),
disponibiliza os valores dos pesos das variáveis do modelo Two-Stage DEA (Tabela 5).
75
O porto de Salvador apresentou a maior eficiência global (80,51%), cujo índice de eficiência
da gestão de operação portuária (1º estágio) foi de 80,51% e o índice de eficiência da gestão
de resíduos sólidos (2º estágio) foi de 100%, sendo o único porto eficiente neste último
estágio por apresentar a menor geração de resíduos da amostra (Tabela 4 e Figura 26).
Para isto, o modelo desconsiderou as variáveis quantidade de berços, extensão de cais e carga
movimentada das análises, considerando a área de armazenagem (0,0187), quantidade de
atracações (0,0006) e inverso da geração de resíduos sólidos (0,0004) (Tabela 5).
O porto de São Sebastião foi o segundo mais eficiente da amostra, apresentando valor de
7,01% de eficiência global (Tabela 4). Ao analisar o desempenho da gestão de operação
portuárias, este porto foi o mais ineficiente da amostra, com o índice de eficiência de 8,67%.
Entretanto, na análise da eficiência da gestão de resíduos sólidos, sua eficiência foi de
80,85%, dado que este foi o terceiro porto que menos gerou resíduos sólidos e o que
apresentou a menor quantidade de atracações da amostra.
Na análise da gestão de resíduos sólidos, o porto de Natal foi o quarto mais eficiente
(21,72%) e o porto do Recife foi o terceiro mais eficiente (23,75%), dado que este último foi
o segundo porto que menos gerou resíduos da amostra.
76
e 0,0255, respectivamente; a quantidade de atracações 0,0387 e 0,0079; e a geração de
resíduos 0,0198 e 0,0047, respectivamente (Tabela 5).
Os portos do Rio de Janeiro e de Santos, sendo este último o maior porto do Brasil,
apresentaram valores zero nas respectivas eficiências globais. O mau resultado neste
indicador é justificado pelo desempenho destes portos na gestão de resíduos sólidos, cujo
índice de eficiência foi zero, sendo estes os maiores geradores de resíduos sólidos da
amostra.
Os portos de Belém, Rio Grande e Vitória foram eficientes apenas na análise da eficiência
da gestão de operações portuárias, sendo penalizados na análise da eficiência da gestão de
resíduos sólidos, que apresentou eficiências de 1,88%, 2,44% e 2,41%, respectivamente. Ao
analisar a eficiência da gestão de resíduos sólidos, o porto de Belém foi o sexto que mais
gerou resíduo, o sétimo que mais atracou e o 15º que mais movimentou cargas, tendo maior
importância atribuída pelo modelo na atracação (Tabela 5).
O porto de Rio Grande foi o quarto que menos gerou resíduos, mas o terceiro que mais
atracou e o quarto que mais movimentou cargas da amostra. Dentre estas tres variáveis, o
modelo atribuiu maior peso para a quantidade de atracações (0,0155) do que para a geração
de resíduos (0,0072) e movimentação de carga (0,0000). O porto de Vitória foi o quinto que
menos gerou resíduos, cujo peso atribuído foi de 0,0104, mas o quinto que mais atracou
(0,0203) da amostra e o 12º que mais movimentou cargas (0,0000) (Tabela 5).
77
O décimo porto que apresentou o maior valor no índice de eficiência global (1,86%) foi o
porto de Fortaleza, onde ao analisar a eficiência da gestão da operação portuária foi o sétimo
(88,47%) mais eficiente e, na análise da eficiência da gestão de resíduos foi o nono mais
eficiente (2,10%) da amostra.
Para isto, o modelo atribuiu maior peso a extensão de cais (44,606), desconsiderou a
quantidade de berços e a carga movimentada, atribuindo pesos as variáveis área de
armazenagem (0,1353), atracações (0,0417) e geração de resíduos (0,0249).
Apesar disto, o porto de Itaguaí foi o quarto mais ineficiente da amostra, no âmbito da
eficiência global. As práticas gerenciais para reduzir à geração de resíduos foram
insuficientes, cujo valor do índice de eficiência ao analisar a gestão de resíduos sólidos foi
de 0,0002%. No entanto, as práticas gerenciais que dizem respeito a gestão das operações
portuárias culminaram no grupo de portos situados na fronteira de eficiência.
O porto de Itaqui foi o sexto mais ineficiente da amostra, sendo o 12º porto mais eficiente
(50,54%) no primeiro estágio. Na análise da eficiência da gestão de resíduos sólidos, o porto
foi o quinto mais ineficiente da amostra, cujo valor do índice de eficiência foi de 0,33%.
Na análise dos pesos (Tabela 5), o modelo desconsiderou a área de armazenagem e carga
movimentada e atribuiu valor de pesos de 15,238 e 297,183, respectivamente, para a
quantidade de berços e extensão de cais. Para a variável intermediária atracação e para o
output exógeno, o modelo atribuiu 0,3531 e 0,1659, respectivamente.
O porto de Paranaguá foi o terceiro maior porto em movimentação de cargas no ano de 2013,
com uma quantidade aproximada de 41 milhões de toneladas. Apesar disto, este porto foi o
terceiro mais ineficiente da amostra, sendo o nono mais eficiente na gestão da operação
78
portuária (65,19%). Por outro lado, foi o 17º mais eficiente dos 19 portos da amostra, com
0,01% de eficiência ao analisar a eficiência da gestão de resíduos sólidos.
O porto de São Francisco do Sul foi o quinto mais ineficiente da amostra, ao considerar a
eficiência global (0,13%), apesar de ser um dos portos eficientes ao analisar a eficiência da
gestão da operação portuário. Na análise da eficiência da gestão de resíduos sólidos, o porto
foi o 15º mais eficiente, cujo valor do índice de eficiência foi de 0,130% (Tabela 4).
O porto de Suape foi o 13º mais eficiente da amostra, com um valor de índice de eficiência
de 1,000%. Na análise da eficiência da gestão da operação portuária, o porto foi o oitavo
mais eficiente da amostra, com 70,73% de eficiência. Na análise da eficiência da gestão de
resíduos, este foi o sétimo mais ineficiente da amostra, cujo valor do índice de eficiência foi
de 1,41% (Tabela 4).
Por outro lado, alguns portos foram mais eficientes na análise da eficiência da gestão de
resíduos sólidos do que na análise da eficiência gestão das operações portuárias, como é o
caso do porto de Aratu-Candeias. Este porto foi o 11º mais eficiente no indicador global,
onde na análise da eficiência da gestão de operação portuária, o porto foi o 13º mais eficiente,
79
cujo índice de eficiência foi de 47,79%. Na análise da eficiência da gestão de resíduos, o
porto foi o sétimo mais eficiente, apresentando o valor de eficiência de 3,84% (Tabela 4).
Para isto, a importância atribuída as variáveis quantidade de berços, extensão de cais e área
de armazenagem foram; 1,798, 34,859 e zero, respectivamente. Além disto, foi atribuído
valor de 0,041, 0,000 e 0,0195, respectivamente, para a quantidade de atracações, carga
movimentada e geração de resíduos (Tabela 5).
O porto de Imbituba foi quinto porto mais eficiente (2,90%), no âmbito da eficiência global,
da amostra, sendo o quarto mais ineficiente (38,92%) na análise da eficiência da gestão de
operação portuária e, na análise da eficiência da gestão de resíduos sólidos foi o quinto mais
eficiente (7,45%), onde, neste último estágio foi o 11º que menos gerou resíduos da amostra
(Tabela 4).
O porto de Itajaí foi o oitavo mais eficiente ao considerar o índice de eficiência global
(2,36%). Na análise da eficiência da gestão de operação portuária, o porto em questão foi
59,08% eficiente, o que corresponde ao 10] porto mais eficiente da amostra. Na análise da
eficiência da gestão de resíduos sólidos, este foi o 6º mais eficiente da amostra, cujo valor
do índice de eficiência foi de 3,99%, conforme é possível observar na Tabela 4.
Ao analisar o grau de importância atribuído pelo modelo Network Two-Stage DEA, observa-
se que as variáveis área de armazenagem, e carga movimentada foram desconsideradas. Para
o cálculo da eficiência, o modelo considerou a quantidade de berços (15,328), a extensão de
cais (297,18), quantidade de atracações (0,3531) e geração de resíduos (0,1659).
Por último, o porto de Vila do Conde foi o sexto porto que mais movimentou carga da
amostra no ano de 2013, com um montante aproximado de 14 milhões de tonadas. O porto
foi o 11º mais eficiente da amostra no primeiro estágio (51,47%). No segundo estágio, o
porto foi o 8º mais eficiente da amostra, onde o valor da eficiência foi de 2,75%. A partir
80
destes índices de eficiência, o porto de Vila do Conde apresentou o valor de 1,42% de
eficiência global, sendo este o 12º maior valor de eficiência global da amostra.
No primeiro estágio, assim como no modelo Two-Stage DEA, os portos mais eficientes
foram os portos de Belém, Itaguaí, Rio Grande, São Francisco do Sul e Vitória. Entretanto,
ao analisar a Composta*, o porto que apresentou o menor índice da invertida foi o porto de
São Francisco do Sul cujo valor foi de 13,33%, conforme é possível observar na Tabela 6.
Para isto, o modelo desconsiderou as variáveis quantidade de berços, extensão de cais e carga
movimentada, atribuindo pesos nas variáveis área de armazenagem (0,0123) e atracação
(0,0004), conforme é possível observar na Tabela 7.
A partir do índice da Composta*, o porto de Paranaguá foi o que apresentou o segundo maior
índice na Composta*, apesar de não se situar na fronteira de eficiência. Isto é possível diante
do valor do índice de eficiência padrão (93,78%) ser próximo de 100% e do valor do índice
da invertida (15,52%) ser baixo.
Para se tornar eficiente, este porto deve apresentar as mesmas características operacionais
que o porto de Belém, Itaguaí e São Francisco do Sul, tendo este último como seu principal
benchmark (Tabela 8). Para se tornar eficiente, o porto de Paranaguá deve aumentar 6,62%
a quantidade de atracações e cargas movimentadas, além de reduzir a quantidade de berços,
reduzindo dos atuais 21 para 16 berços, conforme é possível observar na Tabela 9.
81
Tabela 6: Índices de eficiência padrão, invertida, composta, composta normalizada e hierarquização
Portos DMU Padrão Invertida Composta Composta* Ranking
Aratu-candeias 1 0,60509 0,21040 0,69735 0,74715 14
Belém 2 1,00000 0,21852 0,89074 0,95435 3
Fortaleza 3 0,88470 0,15368 0,86551 0,92732 5
Imbituba 4 0,38922 0,31397 0,53762 0,57602 15
Itaguaí 5 1,00000 0,37463 0,81269 0,87073 8
Itajaí 6 0,59076 0,15073 0,72002 0,77144 12
Itaqui 7 0,87180 0,21438 0,82871 0,88790 6
Natal 8 0,20412 0,78961 0,20726 0,22206 17
Paranaguá 9 0,93783 0,15527 0,89128 0,95493 2
Recife 10 0,15482 1,00000 0,07741 0,08294 18
Rio de Janeiro 11 0,34963 0,42327 0,46318 0,49626 16
Rio Grande 12 1,00000 0,24102 0,87949 0,94230 4
Salvador 13 0,80512 0,29352 0,75580 0,80978 10
Santos 14 0,70097 0,19891 0,75103 0,80466 11
São Francisco do Sul 15 1,00000 0,13331 0,93334 1,00000 1
Suape 16 0,70728 0,13914 0,78407 0,84007 9
Vila do Conde 17 0,69063 0,26702 0,71181 0,76264 13
Vitória 18 1,00000 0,35167 0,82417 0,88302 7
São Sebastião 19 0,08670 1,00000 0,04335 0,04645 19
Fonte: Elaboração própria
Em seguida, os portos de Belém e Rio Grande foram eficientes, apresentando valor no índice
da invertida de 21,85% e 24,10%, respectivamente, sendo o porto de Belém mais eficiente
que o porto do Rio Grande.
Para isto, o modelo DEA considerou as variáveis quantidade de berços (0,200) e atracações
(0,0008) para calcular a eficiência do porto de Belém, desconsiderando as demais variáveis.
No porto do Rio Grande, o modelo DEA considerou a extensão de cais (0,500) e atracação
(0,0004) desconsiderando também as demais variáveis.
82
desconsiderou as variáveis quantidade de berços e carga movimentada, atribuindo pesos nas
demais variáveis, conforme é possível observar na Tabela 7.
Os portos de Belém, Itaguaí e São Francisco do Sul são as referências para o porto de
Fortaleza, apresentando valores de benchmarks 0,3994, 0,0001 e 0,3508, respectivamente.
Para se tornar eficiente, o porto de Fortaleza deve aumentar 13,03% a quantidade de
atracações e de carga movimentada, além de ter uma folga de 24,97% na quantidade de
berços (Tabela 9).
O porto do Itaqui apresentou o sexto maior valor na Composta*, cujo valor dos índices de
eficiência padrão e invertida foram 87,18% e 21,43%, respectivamente. Para isto, o modelo
desconsiderou as variáveis quantidade de berços e carga movimentada. Das variáveis
consideradas, o modelo atribuiu o maior peso na variável extensão de cais (0,5121), por
considerar que esta variável beneficia o porto no cálculo da eficiência padrão.
O porto de São Francisco do Sul foi a principal referência para o porto do Itaqui. Além deste
benchmark, os portos de Belém e Itaguaí também são referências para o porto de Itaqui
(Tabela 8). Para se tornar eficiente, o porto do Itaqui deve aumentar em 14,70% a quantidade
de atracações e carga movimentada, além de reduzir a quantidade de berços em 31,51%
(Tabela 9).
O porto de Itaguaí apresentou o oitavo maior valor na Composta*, sendo eficiente nas
melhores práticas gerenciais e, ao observar as piores práticas gerenciais, o índice da invertida
foi de 37,46%. Para isto, o modelo considerou apenas a quantidade de berços (0,1429),
desconsiderando as demais variáveis do cálculo dos índices de eficiência (Tabela 7).
O porto de vitória apresentou o sétimo maior valor na Composta*, apesar deste se situar na
fronteira de eficiência e estar distante da fronteira invertida, cujo índice foi de 35,16%. Para
isto, o modelo DEA considerou apenas a extensão de cais (0,6452) e atracação (0,0018).
83
Tabela 7: Pesos atribuídos pelo modelo CCR tradicional na análise da eficiência da gestão das operações
portuárias
Portos DMU Berço Cais Armazém Atracação Carga
Aratu-candeias 1 0,0000 0,9731 0,0030 0,0009 0,0000
Belém 2 0,2000 0,0000 0,0000 0,0008 0,0000
Fortaleza 3 0,0000 0,9369 0,0028 0,0009 0,0000
Imbituba 4 0,8564 0,0000 0,0000 0,0032 0,0000
Itaguaí 5 0,1429 0,0000 0,0000 0,0000 0,0000
Itajaí 6 0,4232 0,0000 0,0000 0,0016 0,0000
Itaqui 7 0,0000 0,5121 0,0016 0,0005 0,0000
Natal 8 0,0000 7,4519 0,0226 0,0070 0,0000
Paranaguá 9 0,0000 0,1668 0,0005 0,0002 0,0000
Recife 10 0,0000 1,9123 0,0058 0,0018 0,0000
Rio de Janeiro 11 0,0000 0,4166 0,0013 0,0004 0,0000
Rio Grande 12 0,0000 0,5000 0,0000 0,0004 0,0000
Salvador 13 0,0000 0,0000 0,0187 0,0006 0,0000
Santos 14 0,0000 0,0697 0,0002 0,0001 0,0000
São Francisco do Sul 15 0,0000 0,0000 0,0123 0,0004 0,0000
Suape 16 0,1285 0,0000 0,0000 0,0005 0,0000
Vila do Conde 17 0,0000 0,4919 0,0015 0,0005 0,0000
Vitória 18 0,0000 0,6452 0,0000 0,0018 0,0000
São Sebastião 19 2,8834 0,0000 0,0000 0,0108 0,0000
Fonte Elaboração própria
84
O porto de Salvador considera o porto de Belém e de São Francisco do Sul seus benchmarks,
sendo o primeiro sua principal referência para a gestão da operação portuária. Para se tornar
eficiente, o porto de Salvador deve aumentar em 24,21% a quantidade de atracações e carga
movimentada, além de reduzir em 41,8% a quantidade de berços e 26,4% a extensão de cais.
O porto do Rio de Janeiro, principal porto da cidade do Rio de Janeiro apresentou índice de
eficiência padrão de 34,96% e de invertida de 42,32% sendo 16º mais eficiente da amostra,
ou o terceiro mais ineficiente. Para se tornar eficiente, o porto deve aumentar em 186,02% a
quantidade de atracações e a movimentação de carga. Além disto, há uma folga de 31,17%
na quantidade de berços disponíveis no porto.
85
Tabela 8: Índices de benchmark do modelo DEA CCR, em que analisa a eficiência da gestão da operação
portuária
São Francisco
Porto DMU Belém Itaguaí Rio Grande Vitória
do Sul
Aratu-candeias 1 0,5100 0,0637 0,0000 0,3307 0,0000
Belém 2 1,0000 0,0000 0,0000 0,0000 0,0000
Fortaleza 3 0,3994 0,0001 0,0000 0,3508 0,0000
Imbituba 4 0,4828 0,0837 0,0000 0,0000 0,0000
Itaguaí 5 0,0000 1,0000 0,0000 0,0000 0,0000
Itajaí 6 0,6846 0,0824 0,0000 0,0000 0,0000
Itaqui 7 0,0536 0,0946 0,0000 0,9097 0,0000
Natal 8 0,3899 0,0114 0,0000 0,0128 0,0000
Paranaguá 9 0,9553 0,3034 0,0000 1,8296 0,0000
Recife 10 1,8368 0,0083 0,0000 0,3661 0,0000
Rio de Janeiro 11 3,8896 0,1592 0,0000 0,1550 0,0000
Rio Grande 12 0,0000 0,0000 1,0000 0,0000 0,0000
Salvador 13 1,0344 0,0000 0,0000 0,1302 0,0000
Santos 14 2,1687 0,4807 0,0000 8,1716 0,0000
São Francisco do Sul 15 0,0000 0,0000 0,0000 1,0000 0,0000
Suape 16 1,9109 0,2065 0,0000 0,0000 0,0000
Vila do Conde 17 0,1571 0,0278 0,0000 1,4372 0,0000
Vitória 18 0,0000 0,0000 0,0000 0,0000 1,0000
São Sebastião 19 0,6693 0,0934 0,0000 0,0000 0,0000
Fonte: Elaboração própria
86
Tabela 9: Alvos e folgas das DMUs ineficientes apresentado pelo modelo DEA CCR orientado a output na análise da eficiência da gestão da operação portuária
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 6 6 1,35 4,65 Berço 31 31 9,66 21,34
Aratu- Cais 1,25 1,25 0,00 1,25 Cais 5,49 5,49 0,00 5,49
Rio de Janeiro
Candeias Armazém 147,01 147,01 0,00 147,01 Armazém 453,93 453,93 0,00 453,93
Atracação 606 1.001,51 0,00 1.001,51 Atracação 1.872 5.354,24 0,00 5.354,24
Carga 5.825.663 9.627.832,75 0,00 9.627.832,75 Carga 8.232.282 23.545.739,17 0,00 23.545.739,17
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 5 5 0,00 5 Berço 30 30 0,00 30
Cais 1,30 1,30 0,00 1,30 Cais 2 2 0,00 2
Belém Rio Grande
Armazém 53,96 53,96 0,00 53,96 Armazém 1.749,77 1.749,77 0,00 1.749,77
Atracação 1.295 1.295 0,00 1.295 Atracação 2.648 2.648 0,00 2.648
Carga 3.146.816 3.146.816 0,00 3.146 Carga 20.534.640 20.534.640 0,00 20.534.640
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 5 5 1,25 3,75 Berço 10 10 4,18 5,82
Cais 1,05 1,05 0,00 1,05 Cais 2,09 2,09 0,55 1,54
Fortaleza Salvador
Armazém 50,27 50,27 0,00 50,27 Armazém 66,41 66,41 0,00 66,41
Atracação 705 796,88 0,00 796,88 Atracação 1.162 1.443,27 0,00 1.443,27
Carga 5.160.709 5.833.275,25 0,00 5.833.275,25 Carga 3.986.205 4.951.082,20 0,00 4.951.082,20
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 3 3 0,00 3 Berço 65 65 9,93 55,07
Cais 0,91 0,91 0,17 0,74 Cais 15,96 15,96 0,00 15,96
Imbituba Santos
Armazém 283,29 283,29 135,54 147,75 Armazém 1.481,31 1.481,31 0,00 1.481,31
Atracação 283 727,10 0,00 727,10 Atracação 6.944 9.906,29 0,00 9.906,29
Carga 2.492.026 6.402.664,12 0,00 6.402.664,12 Carga 99.074.789 141.339.793,27 0,00 141.339.793,27
87
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 7 7 0,00 7 Berço 5 5 0,00 5
Cais 1,35 1,35 0,00 1,35 São Francisco Cais 1,53 1,53 0,00 1,53
Itaguaí
Armazém 1.453,58 1.453,58 0,00 1.453,58 do Sul Armazém 81,44 81,44 0,00 81,44
Atracação 1.217 1.217 0,00 1.217 Atracação 797 797 0,00 797
Carga 58.327.912 58.327.912 0,00 58.327.912 Carga 13.029.826 13.029.826 0,00 13.029.826
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 4 4 0,00 4 Berço 11 11 0,00 11
Cais 1,04 1,04 0,04 1 Cais 3,49 3,49 0,74 2,75
Itajaí Suape
Armazém 169,54 169,54 12,78 156,76 Armazém 411,20 411,20 7,94 403,26
Atracação 583 986,87 0,00 986,87 Atracação 1.928 2.725,93 0,00 2.725,93
Carga 4.112.998 6.962.267,09 0,00 6.962.267,09 Carga 12.771.661 18.057.407,38 0,00 18.057.407,38
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 8 8 2,52 5,48 Berço 12 12 3,83 8,17
Cais 1,59 1,59 0,00 1,59 Cais 2,44 2,44 0,00 2,44
Itaqui Vila do Conde
Armazém 214,51 214,51 0,00 214,51 Armazém 166 166 0,00 166
Atracação 793 909,61 0,00 909,61 Atracação 955 1.382,80 0,00 1.382,80
Carga 15.291.910 17.540.567,34 0,00 17.540.567,34 Carga 14.396.511 20.845.506,38 0,00 20.845.506,38
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 3 3 0,91 2,09 Berço 14 14 0,00 14
Cais 0,54 0,54 0,00 0,54 Cais 1,55 1,55 0,00 1,55
Natal Vitória
Armazém 38,70 38,70 0,00 38,70 Armazém 420,19 420,19 0,00 420,19
Atracação 108 529,09 0,00 529,09 Atracação 1.893 1.893 0,00 1.893
Carga 420.656 2.060.783,74 0,00 2.060.783,74 Carga 5.065.853 5.065.853 0,00 5.065.853
88
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 21 21 4,95 16,05 Berço 4 4 0,00 4
Cais 4,45 4,45 0,00 4,45 Cais 1,29 1,29 0,30 0,99
Paranaguá São Sebastião
Armazém 641,53 641,53 0,00 641,53 Armazém 271 271 99,16 171,84
Atracação 2.874 3.064,53 0,00 3.064,53 Atracação 85 980,35 0,00 980,35
Carga 41.771.840 44.541.031,95 0,00 44.541.031,95 Carga 654.828 7.552.465,47 0,00 7.552.465,47
89
Ao analisar a eficiência da gestão de resíduos sólidos, conforme apresentado no segundo
estágio do modelo Network Two-Stage DEA, o porto de Salvador foi único eficiente, cujo
índice de eficiência padrão foi de 100% e invertida zero, resultando no maior índice da
Composta* (Tabela 10). Para isto, o modelo considerou apenas a variável geração de
resíduos, desconsiderando a atracação e a carga movimentada, conforme é possível observar
na Tabela 11.
Tabela 10: Índices de eficiência padrão, invertida, composta, composta normalizada (Composta*) e
hierarquização do modelo CCR orientado a output na análise da eficiência da gestão de resíduos sólidos
Hierarquização
Portos DMU Padrão Invertida Composta Composta*
(Composta*)
Nesta análise, o porto do Rio Grande foi o 10º porto mais eficiente da amostra, cujos índices
de eficiência padrão e invertida foram 2,44% e 0,0003%, respectivamente (Tabela 10). O
índice de benchmark apresentado pelo modelo foi de 2,278 para o porto de Salvador,
conforme é possível observar na Tabela 12.
Para se tornar eficiente, o porto do Rio Grande deve aumentar o inverso do resíduo em
3.992,62%, dos atuais 139,48 para 5.708,49. Ao converter estes valores na geração de
90
resíduos sólidos, a redução da geração dos resíduos é de 97,56%, dos atuais 71,69 para 1,75
toneladas anuais (Tabela 13).
O porto de São Sebastião apresentou o segundo maior valor para a Composta*. Os índices
de eficiência padrão e invertida foram 84,53% e zero, respectivamente (Tabela 10). Para isto,
o modelo atribuiu pesos na variável atracação (0,0139) e geração de resíduos (0,0065)
(Tabela 11).
O valor do benchmark foi de apenas 0,0731, o que significa que o porto de São Sebastião
está próximo da fronteira de eficiência. Para se situar nesta última, é necessário reduzir
15,47% a quantidade de resíduos gerados, dos atuais 64,56 para 54,57 toneladas anuais
(Tabela 13).
Tabela 11: Pesos atribuídos pelo modelo CCR orientado a output, na análise da eficiência da gestão dos
resíduos sólidos
Carga Inverso do Resíduo
Portos DMU Atracação
Movimentada Sólidos
Aratu-candeias 1 0,0420 0,0000 0,0195
Belém 2 0,0000 0,0000 0,0210
Fortaleza 3 0,0538 0,0000 0,0249
Imbituba 4 0,0449 0,0000 0,0208
Itaguaí 5 2,8194 0,0000 1,3078
Itajaí 6 0,0414 0,0000 0,0192
Itaqui 7 0,3577 0,0000 0,1659
Natal 8 0,0426 0,0000 0,0198
Paranaguá 9 3,6852 0,0000 1,7094
Recife 10 0,0101 0,0000 0,0047
Rio de Janeiro 11 30,0811 0,0000 13,9537
Rio Grande 12 0,0155 0,0000 0,0072
Salvador 13 0,0000 0,0000 0,0004
Santos 14 16,9957 0,0000 7,8838
São Francisco do Sul 15 0,5972 0,0000 0,2770
Suape 16 0,0355 0,0000 0,0165
Vila do Conde 17 0,0290 0,0000 0,0134
Vitória 18 0,0000 0,0000 0,0104
São Sebastião 19 0,0139 0,0000 0,0065
Fonte: Elaboração própria
O porto do Rio de Janeiro apresentou índice de eficiência padrão e invertida zero e 47,71%,
respectivamente, resultando no segundo porto mais ineficiente da amostra (Tabela 10). Para
91
isto, o modelo atribuiu peso na variável atracação (30,08) e no inverso da geração do resíduo
(13,95) (Tabela 11). Além disto, o valor de referência para o porto de Salvador foi de 1,611
(Tabela 12).
Tabela 12: Índice de referência apresentado pelo modelo DEA CCR orientado a output, na análise da
eficiência da gestão dos resíduos sólidos
DMU Salvador
Aratu-candeias 0,5215
Belém 0,7894
Fortaleza 0,6067
Imbituba 0,2435
Itaguaí 1,0473
Itajaí 0,5017
Itaqui 0,6824
Natal 0,0929
Paranaguá 2,4733
Recife 0,3571
Rio de Janeiro 1,6110
Rio Grande 2,2788
Salvador 1,0000
Santos 5,9759
São Francisco do
0,6859
Sul
Suape 1,6592
Vila do Conde 0,8219
Vitória 1,2708
São Sebastião 0,0731
Fonte: Elaboração própria
Ao analisar a eficiência da gestão dos resíduos sólidos do porto de Santos foi possível
constatar sua ineficiência diante dos demais portos analisados. Os índices de eficiências
padrão e invertida foram zero e 100%, respectivamente (Tabela 10). O modelo DEA atribuiu
peso de 16,99 e 7,88, respectivamente, nas variáveis de atracação e no inverso da geração de
resíduos sólidos, desconsiderando a movimentação de carga (Tabela 11).
92
O valor de referência do porto de Santos foi de 5,976 (Tabela 12). Para se tornar eficiente, o
porto de Santos deve aumentar o valor do inverso do resíduo em cerca de 118 mil vezes, dos
atuais 0,13 para 14.969,70. Ao converter no valor real da geração de resíduos, a quantidade
de resíduos sólidos gerados deve sair dos atuais 78.837,62 para apenas 0,67 toneladas anuais
(Tabela 13).
Além disto, o modelo indica que há uma folga de 75,96% na quantidade de carga
movimentada, ou seja, o porto deve reduzir dos atuais 99 milhões de toneladas,
aproximadamente, para pouco mais de 23 milhões de toneladas. Entretanto, a redução desta
variável implicaria na perda de produtividade do porto, o que não é razoável dado que esta
é a atividade fim do porto. A folga no input evidencia que há um superdimensionamento em
termos dos insumos diante da quantidade de outputs obtida.
93
Tabela 13: Alvos e folgas das DMUs ineficientes apresentados pelo modelo DEA CCR orientado a output, na análise da eficiência da gestão dos resíduos sólidos
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 606,00 606,00 0,00 606,00 Atracação 1.872,00 1.872,00 0,00 1.872,00
Aratu-candeias Rio de Janeiro
1/RSU 51,38 1.306,40 0,00 1.306,40 1/RSU 0,07 4.035,61 0,00 4.035,61
RSU 194,64 7,65 0,00 7,65 RSU 139.538,13 2,48 0,00 2,48
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 1.295,00 1.295,00 0,00 1.295,00 Atracação 2.648,00 2.648,00 0,00 2.648,00
Belém Rio Grande
1/RSU 47,54 2.791,73 0,00 2.791,73 1/RSU 139,48 5.708,49 0,00 5.708,49
RSU 210,3534 3,58 0,00 3,58 RSU 71,69 1,75 0,00 1,75
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 705,00 705,00 0,00 705,00 Atracação 1.162,00 1.162,00 0,00 1.162,00
Fortaleza Salvador
1/RSU 40,08 1.519,82 0,00 1.519,82 1/RSU 2.505,01 2.505,01 0,00 2.505,01
RSU 249,48 6,58 0,00 6,58 RSU 3,99 3,99 0,00 3,99
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 283,00 283,00 0,00 283,00 Atracação 6.944,00 6.944,00 0,00 6.944,00
Imbituba Santos
1/RSU 48,04 610,08 0,00 610,08 1/RSU 0,13 14.969,70 0,00 14.969,70
RSU 208,17 16,39 0,00 16,39 RSU 78.837,62 0,67 0,00 0,67
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 1.217,00 1.217,00 0,00 1.217,00 Atracação 797,00 797,00 0,00 797,00
Itaguaí São Francisco do Sul
1/RSU 0,76 2.623,58 0,00 2.623,58 1/RSU 3,61 1.718,15 0,00 1.718,15
RSU 13.078,47 3,81 0,00 3,81 RSU 2.770,46 5,82 0,00 5,82
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 583,00 583,00 0,00 583,00 Atracação 1.928,00 1.928,00 0,00 1.928,00
Itajaí Suape
1/RSU 52,10 1.256,82 0,00 1.256,82 1/RSU 60,70 4.156,33 0,00 4.156,33
RSU 191,94 7,96 0,00 7,96 RSU 164,75 2,41 0,00 2,41
94
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 793,00 793,00 0,00 793,00 Atracação 955,00 955,00 0,00 955,00
Itaqui Vila do Conde
1/RSU 6,03 1.709,53 0,00 1.709,53 1/RSU 74,40 2.058,76 0,00 2.058,76
RSU 1.659,34 5,85 0,00 5,85 RSU 134,41 4,86 0,00 4,86
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 108,00 108,00 0,00 108,00 Atracação 1.893,00 1.893,00 0,00 1.893,00
Natal Vitória
1/RSU 50,58 232,82 0,00 232,82 1/RSU 96,19 4.080,88 0,00 4.080,88
RSU 197,71 42,95 0,00 42,95 RSU 103,96 2,45 0,00 2,45
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Atracação 2.874,00 2.874,00 0,00 2.874,00 Atracação 85,00 85,00 0,00 85,00
Paranaguá São Sebastião
1/RSU 0,58 6.195,70 0,00 6.195,70 1/RSU 154,89 183,24 0,00 183,24
RSU 17.094,44 1,61 0,00 1,61 RSU 64,56 54,57 0,00 54,57
95
O porto de Vitoria que foi eficiente na análise da eficiência da gestão da operação portuária.
Entretanto, na gestão dos resíduos sólidos, o porto foi o nono mais eficiente da amostra, com
um índice de eficiência padrão e invertida de 3,02% e 0,04%, respectivamente (Tabela 10).
Para isto, o modelo considerou apenas a variável inverso do resíduo (0,0104) (Tabela 11).
O modelo atribuiu índice de referência de 1,271, dado que o porto de Salvador é o único
benchmark da amostra (Tabela 12). Entretanto, para se tornar eficiente, o porto deve
aumentar o valor do inverso dos resíduos em cerca de 32 vezes, dos atuais 96,19 para
3.183,48. Ao converter no valor real da geração de resíduos, o porto de Vitória deve reduzir
cerca de 97%, dos atuais 103,96 para apenas 3,14 toneladas de resíduos sólidos anuais
(Tabela 13).
O índice de referência (benchmark) calculado pelo modelo foi de 0,7894 (Tabela 12). Para
se tornar eficiente, o porto deve aumentar o valor do inverso da geração dos resíduos dos
atuais 47,54 para 1.977,52. Ao convertê-los nos valores reais da geração dos resíduos, a
redução é dos atuais 210,35 para apenas 5,06, uma redução de 97,60% (Tabela 13).
96
6 CONCLUSÃO
Esta dissertação realizou um estudo sobre a eficiência da gestão operacional portuária
considerando à geração de resíduos como um resultado indesejado. Para isto, foi utilizado o
método de Análise Envoltória de Dados (DEA) onde foi considerado o modelo Network
Two-Stage DEA e o modelo clássico CCR.
Freitas et al. (2016b) afirmam que a geração de resíduos sólidos no setor portuário não é
apenas uma questão de sustentabilidade, é um indicador de eficiência operacional, pois,
portos que geram menos resíduos, em geral, tendem a perder menos cargas durante as
operações de carga e descarga.
Diante disto, o problema desta pesquisa é analisar o desempenho dos portos, considerando a
gestão das operações portuárias e da gestão de resíduos sólidos. A hipótese adotada nesta
pesquisa foi que os portos geram menos resíduos quando sua gestão operacional é eficiente,
dado a menor perda de cargas durante à movimentação das cargas. Entretanto, a partir dos
resultados apresentados na seção 5, foi possível concluir que os portos eficientes na gestão
operacional não foram eficientes na gestão dos resíduos sólidos, sendo esta hipótese
refutada.
97
No modelo Two-Stage DEA, a eficiência global foi severamente prejudicada pelos índices
de eficiência no segundo estágio. O porto de Salvador foi o que apresentou o maior índice
de eficiência global, sendo o único benchmark no segundo estágio.
O porto de Santos, por sua vez, foi ineficiente na gestão dos resíduos sólidos por apresentar
a maior quantidade de resíduos da amostra. E, na análise da eficiência da gestão da operação
portuária, o porto apresentou índice de eficiência ruins, o que pode ser considerado também
um porto ineficiente em suas operações.
No caso do porto de Santos, a hipótese que foi refutada nesta pesquisa faria sentido pois,
assim como a gestão operacional é ineficiente, a gestão dos resíduos também foi ineficiente,
sendo que esta não foi a realidade dos demais portos.
Na análise da eficiência da gestão das operações portuárias contou apenas com uma única
variável indesejada; quantidade de resíduos sólidos gerados. Para estudos futuros,
recomenda-se que sejam consideradas outras variáveis que estejam relacionadas com a
redução da geração de resíduos nas operações portuárias, atualizar a quantidade de resíduos
gerados nos portos marítimos brasileiros e utilizar portos internacionais e nacionais.
Além disto, para estudos futuros recomenda-se aprofundar os conceitos acerca da aplicação
do modelo Network Two-Stage DEA, com o intuito de se aplicar um modelo DEA em rede
que seja possível obter os valores das folgas e dos benchmarks, cujos índices permitiriam
identificar possíveis ações a serem tomadas pelos gestores dos portos ineficientes.
98
REFERÊNCIAS BIBLIOGRÁFICAS
99
ARRUDA, C. M.; NOBRE JÚNIOR, E. F. N.; MAGALHÃES, P. S. B. Método dos
indicadores de desempenho proposto pela Antaq: uma aplicação ao terminal portuário
do Pecém. XXVIII Encontro Nacional de Engenharia de Produção - Enegep. Anais...Rio de
Janeiro, Brasil: ABEPRO, 2008Disponível em:
<http://www.abepro.org.br/biblioteca/enegep2008_tn_sto_069_496_11018.pdf>
BANKER, R. D.; CHARNES, A.; COOPER, W. W. Some models for estimating technical
and scale inefficiencies in Data Envelopment Analysis. Management Science, v. 30, n. 9,
p. 1078–1092, 1984.
BEUREN, M. M. et al. On measuring the efficiency of Brazilian ports and their management
models. Maritime Economics & Logistics, p. 1–20, 2016.
100
aplicação, e dá outras providênciasBrasília, 2000. Disponível em:
<http://www.planalto.gov.br/ccivil_03/leis/L10165.htm#art3>
101
CARMO, T. F. DO. Proposição de indicadores para avaliação da adequação de portos
à Política Nacional de Resíduos Sólidos. Rio de Janeiro, Brasil: COPPE/UFRJ, 2015.
CHEN, Y. et al. Network DEA pitfalls: Divisional efficiency and frontier projection.
International Series in Operations Research and Management Science, v. 226, n. 3, p.
507–515, 2013.
102
transportes urbanos em vias segreagadas. Rio de Janeiro, Brasil: IME, 1999.
FÄRE, R.; GROSSKOPF, S.; WHITTAKER, G. Network DEA. Nova York: Springer
103
Science+Business Media, LLC, 2007. v. 34
104
698, 2015.
105
v. 40, p. 36–48, 2015.
KAO, C.; HWANG, S. Efficiency measurement for network systems: IT impact on firm
performance. Decision Support System, v. 48, n. 3, p. 437–446, 2010.
106
KAO, C.; HWANG, S.-N. Efficiency decomposition in two-stage data envelopment
analysis: an application to non-life insurance companies in Taiwan. European Journal of
Operational Research, v. 185, n. 1, p. 418–429, 2008.
KARIM, A.; ARIF‐ UZ‐ ZAMAN, K. A methodology for effective implementation of lean
strategies and its performance evaluation in manufacturing organizations. Business Process
Management Journal, v. 19, n. 1, p. 169–196, 2013.
LIANG, L.; COOK, W. D.; ZHU, J. DEA Models for Two-Stage Processes: Game Approach
and Efficiency Decomposition. Naval Research Logistics, v. 55, n. 7, p. 643–653, 2008.
107
LINS, M. P. E. P. E.; MEZA, L. A. L. A. Análise Envoltória de Dados: perspectivas de
integração no ambiente do apoio à decisão. Rio de Janeiro: COPPE/UFRJ, 2000.
MEZA, L. A. et al. ISYDS- Integrated System for Decision Support (SIAD - Sistema
Integrado de Apoio a Decisão): a software package for data envelopment analysis model.
Pesquisa Operacional, v. 25, n. 3, p. 493–503, 2005.
MILANI, P. et al. Análise da relação entre modelo de gestão portuária e eficiência em portos
de contêineres. Revista Gestão Industrial, v. 11, n. 2, p. 1–25, 2015.
108
MINATO, E. Avaliação de produtividade de uma indústria na linha do tempo
utilizando DEA (Data Envelopment Analysis). Florianópolis: Universidade Federal de
Santa Catarina - UFSC, 2006.
NGUYEN, H.-O. et al. Measuring port efficiency using bootstrapped DEA: the case of
Vietnamese ports. Maritime Policy & Management, v. 43, n. 5, p. 644–659, 2015.
109
PALLIS, A. A.; PAPACHRISTOU, A. A.; PLATIAS, C. Environmental policies and
practices in Cruise Ports: Waste reception facilities in the Med. SPOUDAI Journal of
Economics and Business, v. 67, n. 1, p. 54–70, 2017.
RIOS, L. R.; MAÇADA, A. C. G.; BECKER, J. L. Análise da Eficiência das Operações nos
Terminais de Contêineres do Mercosul. XXVIII EnANPAD, p. 1–14, 2004.
ROLL, Y.; HAYUTH, Y. Port performance comparison applying data envelopment analysis
(DEA). Maritime Policy and Management: The Flagship Journal of International
Shipping and Port Research, v. 20, n. 2, p. 153–161, 1993.
110
RUBEM, A. P. DOS S.; BRANDÃO, L. C.; MELLO, J. C. C. B. S. DE. Avaliação de
unidades portuárias brasileiras com análise envoltória de dados e o método multicritério
ordinal de Copeland. Revista Transportes, v. 23, n. 4, p. 31–41, 2015.
SEIFORD, L. M.; ZHU, J. Profitability and marketability os the top 55 U.S. commercial
banks. Management Science, v. 45, n. 9, p. 1270–1288, 1999.
111
SILVEIRA, I. H.; MATOS, K. H. O. DE; LACERDA, M. Modelo de avaliação do
desempenho da gestão do setor portuário brasileiro. E-Tech Atualidades Tecnológicas
para Competitividade Industrial, v. 5, n. 1, p. 120–140, 2012.
SONG, L.; GEENHUIZEN, M. VAN. Port infrastructure investment and regional economic
growth in China: Panel evidence in port regions and provinces. Transport Policy, v. 36, p.
173–183, 2014.
TORRES, B. G. et al. Análise de eficiência dos portos brasileiros: uma abordagem pelo
112
método Network DEA. XXX Congresso de Pesquisa e Ensino em Ttransportes - ANPET.
Anais... Rio de Janeiro: ANPET, 2016 Disponível em:
<http://www.anpet.org.br/xxxanpet/site/anais_busca_online/documents/2_383_AC.pdf>
113
sustainable development. OCEANS 2016 - Shanghai, p. 1–8, 2016.
WORLD BANK. Port Reform Toolkit. 2. ed. Washington: World Bank, 2007.
114